容量和价格是影响闪存存储普及的最主要原因,随着闪存技术的突破,未来闪存存储将会成为主流,这是不争的事实。但是,想要全面替代HDD,并不容易。
最近,TechSpot发布消息称,SSD将于两年内突破HDD的容量/价格“临界点”。文章指出,Information Week的一份新报告,随着3D NAND技术的发展,固态硬盘不仅容量会增加、其价格还会“直线下降”。固态硬盘(SSD)的容量将于2016年赶上机械硬盘(HDD)的水平,而首款30TB的SSD产品亦有望于2018年面世。
对于众多企业来讲,如果真像TechSpot预测的那样,绝对是利好的消息。但笔者所关心的是,SSD真能于两年之内替代HDD,恐怕没有那么简单!
在针对这一问题展开讨论之前,先来看一下SSD的优势以及最近在技术方面有哪些新的突破。
谈到SSD的优势,除了读写性能较HDD有了质的飞跃外,功耗、发热量、体积等方面也有着很大的优势,尤其在大型的数据中心,全面采用SSD能够节省很多成本,如电力、散热等。
在技术方面,最初的NAND Flash采用的是2D平面技术,虽然制造工艺已经达到了15nm的先进水平(未来甚至会将制造工艺提升至9nm),不过在其发展过程中已经遇到了严重的瓶颈——每个闪存储存单元储存的电子越来越少,抗磨损(每次写入、擦除,需要高电压,材料对电子控制能力随之变弱)的冗余电子减少,严重影响闪存耐久。虽然随着制造工艺的提升,2D NAND FLASH单位面积内可以存储更多的电子,能够带来存储容量的提升。但是,越先进的工艺,NAND的氧化层越薄,可靠性也越差,厂商就需要采取额外的手段来弥补,这会造成制造成本的提高,以致于达到某个点之后制程工艺已经无法带来优势了。相比之下,3D NAND就解决了这一问题。
何为3D NAND呢?顾名思义,就是闪存的立体堆叠技术。Intel此前曾用平房和楼房的例子比较直观的介绍了3D NAND技术,非常容易理解。Intel表示,普通NAND是平房,那么3D NAND就是高楼大厦,建筑面积一下子就多起来了,理论上可以无线堆叠。由于闪存厂商不需要费劲心思去提高制程工艺了,转而堆叠更多的层数就可以了,这样一来3D NAND闪存的容量、性能、可靠性都有了保证了,比如东芝的15nm NAND容量密度为1.28Gb/mm2,三星32层堆栈的3D NAND可以轻松达到1.87Gb/mm2,48层堆栈的则可以达到2.8Gb/mm2。另外,在刚刚过去的7月份,东芝率先推出64层堆栈的3D NAND,这意味着,闪存的成本和容量将会进一步拉低,拉响了新一低3D NAND闪存进入存储市场的号角。
虽然3D NAND让闪存厂商看到了希望,但想要在两年内取代HDD,绝非易事。
首先,3D NAND技术还处于起步阶段,并不成熟。即使在未来两年内,这项技术已经得到成熟的应用,但新产品在上市之初,价格也不会太便宜,不会引起企业的大面积采购。
其次,新产品取代老产品,必须获得充分的应用验证,保证足够的可靠性、可用性和安全性,这需要一个较长的周期,特别在企业级市场。即使3D NAND闪存能够尽快投入应用当中,其成熟期最快也得需要一两年的时间。
再次,机械硬盘的发展并未停滞不前,很多厂商还在继续深挖垂直记录(PMR)、叠瓦式磁记录(SMR)、充氦,推进热辅助磁记录(HAMR)、二维磁记录(TDMR)等,其中后者有望在两三年内商用,而前者虽然提了很久但依然比较遥远。
因此,笔者认为,SSD在未来两年内全部取低SSD,基本上是不可能的。
不过,在企业的关键性业务上,比如很多的互联网、金融等企业,SSD已经开始逐步占据主导地位。但是,在非关键性业务上,HDD仍然占据主导地位。
至于存储的发展方向预测,当前来看SSD绝对是未来的主流。不过,技术的发展速度太快了,谁能保证在未来会不会出现性能更强、成本更低的新技术和新产品。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。