闪存驱动器领域也要有我们身影存在,希捷公司在本届闪存记忆体峰会上凭借着两台全新SSD产品强调了这一信息--其中一款为8 TB NVMe驱动器,另一款SSD则为3.5英寸且拥有可怕的60 TB容量。
这款60 TB产品的出炉意味着大家能够将超过1000块美光3D NAND晶粒塞进一款全尺寸3.5英寸磁盘当中。根据我们掌握的情况,此款产品配备双12 Gbit每秒SAS接口与15万随机读取IOPS,不过其写入IOPS尚未披露。其连续读取/写入参数分别为每秒1.5 GB与1.0 GB。
这款驱动器配备单一控制器,而且我们目前还不清楚其具体使用寿命。这似乎是一款主动程度不高的(即读取较多/很少写入)归档SSD,或者可用于承载那些读取密集且对延迟较为敏感的高容量需求应用。可怕的是,仅仅是17块这样的驱动器即可为大家提供接近1 PB存储容量。
60 TB存储容量相当于三星15 TB 3D NAND SSD的四倍水平,这让希捷方面在竞争中占尽主动权。三星SSD采用512块256 Gb 48层V-NAND芯片,分16层堆叠在驱动器当中。
美光公司于今年6月公布的1100产品为其第一款3D NAND M.2驱动器,采用384 Gbit晶片。在计算之后,我们发现需要1250块这样的晶片才能构建起一款60 TB驱动器。
希捷公司的60 TB方案也相当于其10 TB 3.5英寸磁盘驱动器容量的六倍。我们还不清楚其使用成本相当于该磁盘产品的多少倍,不过对这款60 TB SSD与10 TB磁盘驱动器进行每GB成本比较显然非常令人期待。
希捷公司指出,我们将在未来迎来容量高达100 TB的更多SSD产品。目前希捷尚未为该产品进行确切定名。不过惠普企业业务公司先进技术与大数据副总裁Mike Vildibill在一份友情声明当中表示:"希捷的全新60 TB SAS SSD产品能够为客户提供更高的服务器存储性能,并在容量配置层面带来前所未有且令人兴奋的可能性。"看起来惠普企业业务公司似乎已经签订了使用该产品的协议。
XP7200的速度定位则要高得多。其拥有94万与16万随机读取与写入IOPS,而连续读取与写入数据速率则凭借着自身16通道PCIe第三代接口达到每秒10 GB与每秒3.6 GB。其采用全高度PCIe尺寸并拥有四块容量优化型Nytro MX1440 M.2 SSD,且每块驱动器皆配合自己的控制器。这款存储卡能够接入单一16通道第三代PCIe插槽,大家需要使用全部通道并配合每驱动器/控制器同样运作以实现其全部性能。
Nytro XP7200分解图,上方为其散热片组件。
其提供的可用容量选项分别为3.8 TB与7.7 TB,我们认为其使用的是MLC闪存而非3D NAND。
希捷公司曾于今年3月在开放计算项目峰会上展示了一款每秒10 GB NVMe第三代PCIE x16产品。当时,我们曾在评论中表示:"我们预计新的存储卡将利用美光芯片,同时继续延续Nytro品牌。"看来这一预测是完全正确的。
XP7200 的适用方向包括高性能计算、向外扩展数据库以及科学研究与天气建模等大数据分析。Accelstor公司似乎正在利用XP7200进行产品设计。
Nytro XP7200卡
希捷公司指出,8 TB Nytro XP7200 NVMe SSD将于今年年底向各销售渠道合作伙伴发货。而60 TB SAS SSD产品则预计于2017年年内推出。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。