ZD至顶网北京报道(文/任新勃):在10月14日的英特尔固态盘媒体沟通会上,英特尔公司非易失性存储器(NVM)解决方案事业部客户端固态盘战略规划及市场总监 David T Lundell出席介绍了英特尔固态盘的发展现状并重点介绍了英特尔新发布的固态盘600p系列产品的技术和成本优势。
英特尔的固态盘的战略是希望为用户提供一个延迟和成本平衡的计算存储单元。英特尔有两个非常重要的技术,第一个技术是Optane技术,第二个是3D NAND技术,Optane技术可以非常快的提高固态盘性能,从而使性能达到内存运算的级别,它是更高效、更快速的存储介质。3D NAND适用于另外一种场景,即是在很大数据量、很低的成本的情景下,需要用3D NAND的技术来实现。
随着3D NAND技术的发展,可以像建楼层一样的技术使得采用3D NAND技术的固态盘能够拥有高密度、低成本的存储容量。而实现更大的内存、更快的Intel全新的Optane SSD技术,采用了全新设计的3D XPoint非易失性存储技术,实现容量更大,和速度也要比3D NAND闪存更快。
英特尔借助3D NAND、3D XPoint等基于存储介质和技术的创新来帮助用户在提高数据处理的速度,把数据能够安全的存储下来。
基于Intel 3D NAND技术的产品相对于其他的3D NAND产品有两个优势,第一Intel采用的浮栅技术,而其他厂家采用的是电荷捕获技术,David T Lundell认为相对于新的电荷捕获技术,浮栅技术是经过十几年验证的成熟技术,因此英特尔闪存盘在数据存储安全方面有着明显的优势。
第二,扩展性更好,在整体架构上,英特尔把CMOS电路放在NAND下面的,“而友商是把CMOS电路放在存储单元的周围,他们需要打一根钉子,随着层数增高,打孔的技术困难性会不断增加,而英特尔因为把这个CMOS电路放在NAND之下,未来我们做扩容的时候。”David T Lundell谈到。因此相对于其他厂家的层数需要像钉子一样固定一样,英特尔3D NAND技术用户在CMOS阵列上实现更好的阵列效率,其扩展性更好。
而英特尔能够实现每个晶圆上更多的容量,Intel 32层 /TLC能够实现2.86Gb/平方毫米的容量大小。在相同大小的面积上,实现的容量大小比其他品牌高11%。
为此,针对消费级客户端市场,英特尔最新发布的600p系列固态盘采用20纳米工艺的32层3D NAND技术的闪存颗粒。单面 M.2接口,可以实现更小体积更好的性能。32层3D NAND可以实现1TB容量大小的硬盘。可以提供相当于传统硬盘17倍或SATA固态盘最高达3倍的性能。成本与SATA SSD,但是提供3倍的性能。同时拥有英特尔固态盘一直具备的超强的可靠性及耐用性,五年质保让用户在其完整生命周期中都能获得稳定的性能。
现场攀升科技产品研究院副院长王若海基于英特尔最新推出600p系列固态盘的体验,认为目前基于3D NAND的闪存是温数据的最佳载体,而且从数据处理看其也是DRAM与NAND之间的一个连接器。并坦言全新英特尔固态盘将有效填补固有存储性能缺口,对于消费者来说是一个不错的选择。
英特尔公司非易失性存储器(NVM)解决方案事业部客户端固态盘战略规划及市场总监David T Lundell
目前,采用英特尔固态盘600p系列的机型搭建的平台已经在宁美国度、攀升兄弟等DIY行业用户中获得成功应用,并为消费者提供卓越的应用性和稳定性。“这几款全新推出的固态盘是英特尔三十余年在存储器技术创新方面承诺的体现。我们也希望能够借助3D NAND、3D XPoint这样可信的、突破性的技术并联合生态系统合作伙伴改变存储经济性的问题,”英特尔公司非易失性存储器(NVM)解决方案事业部客户端固态盘战略规划及市场总监David T Lundell表示:“为了实现这一目标,英特尔将继续聚焦存储技术创新,针对不同应用场景提供不同的产品,并立足于市场、服务于用户需求,会为各级市场用户提供持续的产品供应与技术支持,以及超乎想象的应用体验!”
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Scale AI团队推出SWE-Bench Pro测试平台,专门评估AI编程助手在真实企业级软件开发中的表现。研究发现,即使是最先进的GPT-5和Claude模型,成功率也仅有23%左右,远低于在传统测试中70%的表现。该测试平台包含1865个来自真实企业的复杂编程任务,要求修改多个文件和大量代码,为AI编程能力提供了更严格的现实检验。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
微软团队开发的EdiVal-Agent是首个针对AI图像编辑的自动化评估系统,能像专业评委一样从指令遵循、内容一致性和视觉质量三维度评分。该系统与人类评审一致性达81.3%,测试发现Nano Banana表现最均衡,GPT-Image-1指令遵循最佳但一致性不足,大多数模型在数量变化任务中成功率低于25%。