Wikibon公司首席技术官David Floyer已经面向2017年发布了六大颠覆性技术趋势预测。在他看来,ARM与Open CAPI将分别随着英特尔至强的衰落实现大步前进,内部服务器SAN逐渐被云所取代,闪存加快冲击磁盘驱动器生存空间,而XPoint在2017年年内则恐怕不会拥有显著建树。
以下为他给出的观点:
1.AWS将为企业带来服务器SAN软件存储系统。
2.基于ARM的服务器开始大量出现。
3.大数据与映射-规约功能将被纳入闪存驱动器。
4.Open Power配合CAPI与英伟达GPU将从根本上超越x86在大数据与AI计算领域的地位。
5.磁盘驱动器出货量急剧下降。
6.XPoint暂时不会掀起波澜。
Amazon公司发布一套Server SAN方案?为什么?因为他认为业界正越来越多地认为,“数据的移动成本,特别是考虑到规模庞大的物联网数据,要远高于以本地方式进行数据处理”。Wikibon亦支持Server SAN将取代SAN的观点。他指出,考虑到云及内部设施(本地云)中物联网数据总量的快速增长,“同时在中央与本地云内部署同样的存储软件与API能够极大改善成本效益并实现高性能混合云。”
Floyer认为,消费者们对技术方案的接纳情况在很大程度上取决于企业的开发与采用趋势。基于ARM处理器的智能手机已经快速崛起并取代低端PC设备,而PC市场亦因此引发x86处理器销量下滑。这一现实再结合至强处理器的高端功能,已经共同证明开发ARM服务器在功能与成本方面确实具备可行性。
事实上,他认为ARM CPU应被嵌入闪存控制器当中以实现驱动器层级上的大数据应用运行,例如映射规约。这与希捷公司的智能化驱动器方案有所区别,后者将磁盘驱动器与Kinetic技术相结合以构建以太网连接型对象存储键:值存储驱动器。根据目前的市场接纳程度来看,Kinetic磁盘驱动器的表现并不尽如人意,而Floyer则更支持智能化闪存驱动器。
这位Wibkibon CTO还着眼于OpenCAPI,认为OpenCAPI及其CPU-内存-IO适配器互连模式将成为游戏规则改变者,至少英伟达GPU在消费级市场上拥有诸多支持者。
闪存对于磁盘驱动器生存空间的侵占在2017年年内仍将继续。高性能磁盘驱动器(即1万5千转型号)已经被闪存全面压制,万转磁盘驱动器亦在存储容量以及每GB使用成本等方面不敌3D闪存方案。目前采用固态盘代替磁盘驱动器的PC设备比例正持续增加,而闪存晶圆代工厂也开始更多地讨论利用QLC(即四层单元)闪存作为快速访问型冷门数据存储介质的可能性,希望借此打造价格更低的高速闪存,同时尝试取代存储磁带的地位。
由于目前消费者对于3D XPoint系统或者其批量应用并不存在旺盛需求,因此他认为XPoint不会在2017年内成为科技领域中的一大现象级产物。尽管英特尔公司对其进行大肆宣传并将它标榜为新的技术标准,但必须承认的是3D XPoint尚处于早期阶段。不过,他认为XPoint的出货量仍然足以吸引英特尔投入更多后续研发资金及批量生产资源,这意味着相关产品的价格可能会逐步下降。
XPoint亦有可能遭遇失败。
那些后内存时代的非易失性技术——例如电阻式RAM——正在大量出现,这意味着三星、SK海力士、西部数据-东芝等厂商很可能对XPoint这位别人家的孩子并不感冒。
Diablo与Xitore正努力推动利用DRAM对前端闪存、ReRAM甚至是XPoint进行缓存,因此其更倾向于提升DRAM的速度,相比之下NAND、ReRAM以及XPoint的具体速度表现则并不重要。另外,人们往往认为只有陷入困境的项目才需要进行大量炒作与宣传,再加上实际性能与标称性能相去甚远,这一切都让XPoint身处不利境地。
好文章,需要你的鼓励
B&H近期对多款M5 Pro MacBook Pro机型推出300美元优惠。14英寸M5 Pro版本(48GB内存+1TB固态硬盘)现售价2299美元,较原价2599美元节省300美元,且该配置在亚马逊无法购买,折扣机会更为难得。此外,16英寸M5 Pro版本(64GB内存+1TB固态硬盘)同样享有300美元折扣。B&H在多款高配MacBook机型上的定价已低于亚马逊,是近期可找到的最优价格。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
Insta360推出GO 3S复古套装,将现代4K运动相机与胶片时代美学结合。套装核心仍是仅重39克的GO 3S,新增复古取景器、胶片风格滤镜、NFC定制外壳及可延长录制时长至76分钟的电池组。复古取景器模仿老式腰平相机设计,鼓励用户放慢节奏、专注构图。相机内置11种色彩预设及负片、正片等滤镜,同时保留FlowState防抖、4K拍摄及10米防水能力,面向热衷复古影像风格的年轻创作者。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。