英特尔公司近期发布了一款小型、单面且高度读取优化型SSD,专门面向数据中心场景内的服务器场景。这款P3100 SSD为M.2设计(22 x 80毫米),采用3D TLC(即三层单元)NAND。这种格式最初诞生于平板设备、轻薄型笔记本与台式机当中。由于空间有限且采用TLC(三层单元)NAND,因此其最高容量上限仅为1TB。
尺寸为22 x 80毫米的闪存卡能够提供1TB存储容量
然而,采用TLC亦意味着该设备主要面向数据读取而非写入进行针对性优化,这是因为TLC的使用寿命要低于MLC(即双层单元)闪存。通常来讲,服务器对于物理空间占用量并不是特别敏感,因此一般会采用2.5英寸SSD。英特尔公司希望凭借自家P3100 SSD产品在服务器空间有限且读取IO重要性远高于写入IO的市场空间内占得一席之地。
其随机读取/写入IOPS最高分别可达11.4万/1万,而连续读取/写入传输带宽则分别可达1.8 GBps与175 MBps。这样的性能水平明显专门为数据读取而进行了优化。
另外,其还支持每天0.5次全盘写入(简称DWPD)情况下的三年正常使用周期,0.3 DWPD则为五年,同时提供五年质保服务。该产品在闲置状态下的功耗为10毫瓦,英特尔方面表示这一水平较传统企业级磁盘驱动器低90%,且活动状态下的平均功耗为5.5瓦。
不过,P3100 SSD并不提供断电数据保护功能,但在另一方面,该驱动器具备AES-256位加密能力。数据中心内适合P3100的应用场景包括作为引导设备、搜索索引、边界缓存以及Web托管等,英特尔公司指出。
相比之下,英特尔旗下同样采用M.2格式的600p SSD则属于客户端设备,意味着其主要面向笔记本与平板电脑,这款NVMe SSD同样选择了3D TLC NAND介质,容量水平以及160万小时平均故障时间(简称MTBF)亦与P3100相当。其随机读取/写入IOPS最高分别可达15万5千/12万8千,而连续读取/写入传输带宽则分别可达1.8 GBps与560 MBps。在名义上,其随机读取IOPS性能更强,且随机写入IOPS也更高,意味着其性能表现更为均衡。
根据目前掌握的情况,英特尔公司的商务客户端Pro 6000p与物联网E 6000p属于600p的衍生型产品。而P3100看起来亦像是经过调整的600p。
英特尔DC P3100参数表
另外,三星公司亦拥有自己的960 EVO与960 PRO M.2客户端SSD,其最高容量为1 TB,且采用3D NAND介质(48层,256 Gbit 21纳米TLC V-NAND)。其速度表现较P3100更为出色:
而美光亦拥有一款1100 SSD,分别提供2.5英寸与M.2格式,其采用6 Gbps SATA接口。其中M.2 100的容量分别为256 GB、512 GB与1 TB,采用32层3D NAND。(其中2.5英寸版本的最高容量可达2 TB。)其拥有150万小时平均故障时间,不同于P3100的160万小时。
其性能参数如下:
这意味着其读取速度远低于P3100,但写入速度更高。
当英特尔与美光推出下一代3D NAND时,我们预计M.2 SSD将能够实现2 TB容量上限,其应该将带来更快的写入IO以及更长的DWPD使用寿命。如此一来,相信会有更多服务器供应商乐于将其引入数据中心方案之内。
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。