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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。