5月12日,东芝企业级存储在京举办新闻发布会,对外披露了2017年度东芝企业级存储的市场发展战略,其中最为引人注目的是东芝宣布继续针对15K rpm、10K rpm磁盘提供技术支持,与此同时,东芝对外发布了大容量企业级存储磁盘。

如今,企业存储数据呈现爆发式的成长,根据IDC预测,2020年全球数据存储需求将会达到44ZB的规模。如今,每一天的每一分钟,平均会有2.04亿邮件发布,Google会产生400万条搜索,Facebook会有246万Bit的内容信息分享,移动互联网、社交和物联网的应用,势必会进一步加剧数据存储的需求,有数据统计表明,现有的HDD、NAND、ODD、Tape等存储设备的能力之和是13ZB,其中,数据存储量为6.5ZB,与2020年44ZB需求相比,显然存在很大的市场空间。
针对数据需求的发展,东芝企业级存储制定了存储产品的发展战略。东芝电子(中国)有限公司副总裁Takanishi Masaki表示:在未来的市场上,HDD和SSD是一个同步协调发展过程,共同对于移动互联网、社交、IoT连接就业务提供支持。业务数据的发展会同时存进HDD和SSD的业务成长。因此,SSD和HDD不是一个替代关系,而是相互支持,互为补充的关系。
东芝存储产品事业部企业级硬盘行销部部长Fujimori Masafumi表示:SSD、10K rpm HDD和7200 rpm HDD,在$/GB的成本上快速接近,但毕竟还存在着台阶性质的差距,特别是受产能的限制,SSD在短期内还存在着不降反升的现象。应该说,SSD在性能以及延迟上优势明显,适合OLTP等业务需求的需要,但在容量和成本上,10K rpm和7200rpm HDD还有其固有优势,适合容量性业务的需要。

针对产品不同的业务特点,东芝策略是继续加大SSD、HDD等领域的研发投入,跟踪技术发展,与业务应用紧密结合。为此,东芝企业级存储不会放弃对于高端磁盘,如15K、10K rpm HDD的技术支持。与之相比,有些竞争友商放弃了高端磁盘的技术支持,但东芝企业级存储认为,高端磁盘会有其适用空间,因此不会放弃对其的技术支持。
针对手机等智能终端、车载、笔记本电脑、台式机、服务器、存储和数据中心,东芝企业级存储提供了全线产品支持,这些产品在市场上深受用户的欢迎。根据IDC数据,东芝是2016年增长最快的HDD和SSD供应商。
IDC 研究副总裁John Rydning表示:“东芝的HDD和SSD产品组合线种类十分丰富,使得他们能够进入几乎所有的存储设备细分市场,这是支撑东芝在2016 财年实现同比收入强劲增长的关键因素。接下来几个季度内能够满足云服务提供商和传统I T市场的需求,东芝在2017年的HDD和SSD收入有望继续保持良好的增长势头。”
在5月12日的新闻发布会上,东芝最新推出了MG05ACA 8TB的HDD产品,这是一款GMA技术的空气硬盘,其可靠性可以达到250万MTBF,是理想的企业级容量性硬盘。与上一代产品相比,新的8TB产品很好实现了性能和能耗的平衡,据悉,该产品目前已经投放市场。

东芝存储产品事业部企业级容量型和台式机硬盘业务部总经理Hashimoto Minoru表示,东芝企业级存储非常重视中国市场发展,承诺加大对于中国市场投入,全力支持并满足中国用户的需要。据透露,2018年一季度,14TB容量HDD新产品将会投放市场。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。