WD推出了一款Skyhawk SSD、收购SanDisk SATA接口CloudSpeed SSD的NVMe版本,与它自己的后SanDisk和后HGST Skyhawk品牌并驾齐驱。
Skyhawk是一款中低端的高速SSD,2.5英寸,采用MLC(2bits/cell)NAND而不是速度较慢的、不那么耐用的TLC(3bits/cell),以及NVMe/PCIe接口,而不是旧的基于磁盘的SATA接口。
Skyhawk SSD采用15nm NAND,配置PCIe Gen3控制器,容量点从1.6TB到3.84TB,采用热插拔的、U2、2.5英寸规格,两种版本,标准版本针对读优化的工作负载,Ultra版本针对混合使用的工作负载,有更长的耐用性,通过降低容量使得现有单元损耗的时候可以使用备用单元。
WD表示,Skyhawk提供了:
- 连续性能是同类企业级SATA SSD的近3倍
- 相比25W PCIe SSD,更低的12W功耗能够实现更广泛的部署
- 遵循行业标准NVMe 1.2协议,内装针对所有主流操作系统的驱动程序
- 提供2个写耐用泳道(标准和Ultra)
- 提高的性能改进了服务器整合
WD收购HGST和SanDisk获得了他们的SSD品牌,例如HGST的FlashMax和Ultrastar SN100,以及SanDisk的CloudSpeed和IoScale。我们在这里看到了第二个WD SSD品牌类型,黑盘、蓝盘和绿盘;黑盘已经在1月的CES上展示了。
我们可以把SkyHawk 看作是重新设计的SanDisk CloudSpeed SATA SSD。例如,2015年8月推出的CloudSpeed Ultra Gen II SSD采用15nm MLC NAND,与SkyHawk一样,是2.5英寸的,有400GB、800GB和1.6TB几个容量点,性能为:
- 76,000随机读IOPS
- 32,000随机写IOPS
- 530MB/sec连续读
- 460MB/sec连续写
- 80μs, 56μs平均r/w延迟
- 1.8 DWPD(驱动器每日写入)为5年
Skyhawk在某些方面更好(例如速度),但在其他方面(延迟、耐用性)一般。标准版有1.92TB和3.84TB两个容量点,性能数据如下:
- 250,000随机读IOPS
- 47,000随机写IOPS
- 1.5GB/sec连续读
- 1.17B/sec连续写
- 在1.92TB/3.84TB的容量水平上,读延迟为127/128μs,写延迟为1,331/718μs
- 0.5/0.6 DWPD为5年
Ultra版本有1.96TB和3.2TB两个容量点,性能数据如下:
- 250,000随机读IOPS
- 83,000随机写IOPS
- 1.7GB/sec连续读
- 1.2GB/sec连续写
- 在1.6TB/3.2TB容量水平上,读延迟为126/125μs,写延迟为693/351μs
- 1.2/1.7 DWPD为5年
随机IOPS和连续带宽方面有所增加。但令人好奇的是,这里的NVMe/PCIe接口延迟比旧的SATA接口还要高。
WD在新闻稿中写到,Skyhawk“为数据中心带来了企业级的可靠性,出色的耐用性和卓越的性能,针对数据分析处理(OLAP)、数据库、财务和电子商务系统、云虚拟化、媒体流、视频点播等。”
我们猜测即将推出的WD SSD将针对其他细分市场,采用其他更强大的、掠食性的鸟类、哺乳动物或者鱼类的名字。
Skyhawk有200万小时的MTBF评级、即时安全擦除和0.44%的年故障率。
Skyhawk SSD目前已经为选定的OEM提供了样品,预计全面供货在今年第二季度,目前我们没有得到定价信息。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。