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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。