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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。