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
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。