在进展缓慢的储存技术世界里,NAND Flash的普及速度算是极快,几乎每种储存产品都有其足迹,最主要原因就是速度。据TechTarget报导,NAND Flash刚推出时是市场上最昂贵的储存装置,后来供应商发现只要加入相对小量的快闪存储器,便可以大幅提升效能以快闪存储器技术为基础的储存装置也开始大受欢迎。
由美光(Micro)和英特尔(Intel)合作开发的3D XPoint技术,以及IBM根据相变化存储器(Phase Change Memory)修正后开发的新型态储存装置,在速度、耐用性和重复读写的次数的表现都比目前使用的NAND Flash更佳。
3D XPoint开发人员表示,新储存装置的速度和耐用度可达到NAND Flash的1,000倍,IBM则表示其开发的PCM在读取和写入速度方面比NAND Flash快上数百倍,预计可进行1,000万次读取循环。
虽然NAND Flash开创了固态硬碟(SSD)的时代,但在新技术不断出现的情况下,或许这只是挑战传统存储器和储存装置概念的开端而已。不论从哪一个角度来看,这些新技术都让NAND Flash看起来像是老旧技术。对于还在摸索NAND效能的使用者来说,很难想像这些数据代表的真正含意。
这些新储存装置与SSD基本上完全不同,而且更接近可永久储存的存储器。两者之间的明显的差异也反映在名称上,外界将这些新装置称为储存级存储器(Storage-class memory),听起来虽然奇怪,但也算是相当公正且适当的描述。
SSD可以达成许多硬碟无法完成的事,而IBM、英特尔和美光开发的新技术,则宣称可以消除储存来源和存储器之间的界线。以效能来看,这些新兴技术允许存储器分层与扩张,除了可以增加存储器的处理能力与资源,还可减少伺服器自永久储存装置存取资料的次数。
有趣的是,连传统硬碟(HDD)制造商也可受惠于SSD的普及,因为所有资料都必须有栖身之所。尽管近来推出的高容量NAND Flash装置可以满足需要,但是储存空间超大的硬碟还是有价格方面的优势。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。