Spectra Logic的数字数据存储2017年展望报告预测,IBM将成为唯一的磁带驱动器制造商。
这份24页的报告无需注册即可下载,这也是Spectra Logic第二年制作该报告。
该报告回顾了闪存的兴起,以及在数据存储需求不断增长背景下,闪存对磁盘、磁带和光存储介质的影响,并称到2026年总存储容量将达到20ZB。
- 2.5英寸1.5万转磁盘驱动器将会完全被企业级闪存取代
- 3.5英寸磁盘将继续保存大多数要求在线或者近线访问的企业数据和云数据,磁性介质的磁盘行业可以成功部署那些使其能够继续减少单位容量成本的技术
- 闪存行业可能会改善与3D NAND相关的制造成本,使其继续降低单位容量的成本
- 磁带有最简单的商业化和制造途径可以实现更高容量的技术,但是将继续要求持续投资驱动器和介质的开发。磁带市场的规模将进一步巩固,可能最后只有一家驱动器和两家磁带提供商
- 光盘仍然是一项细分领域的技术,主要是用于媒体和娱乐行业,除非可以在生产新型更高容量磁盘的成本方面取得重大进展
- 在2026年之前,没有新的存储技术会对存储数字宇宙带来重要影响,可能除了具有DRAM和闪存的固态盘技术
该报告罗列了Spectra Logic对2017年到2020年介质层的一些观点:
Spectra Logic对介质层的观点
磁盘
Spectra Logic认为,消费级设备磁盘驱动器的出货量到2022年下降到几乎为零,有两个原因:闪存在消费设备中取代磁盘,越来越多的消费者数据保存在公有云,或者以流式传输的方式进行消费。
该报告指出:“Spectra Logic预测消费级磁盘的总出货容量将会大幅减少,因为闪存会取代它的位置。企业存储容量的增加——不管是在线还是近线——将不会保持可以让磁盘行业实现收益增长的步伐。”
光盘
Spectra Logic的报告称,索尼和松下的300GB“归档光盘”将受到那些有长期(基本上是永久)归档要求的客户。
“这个特定市场领域相比整个归档存储市场来说还是很小的,这种Archive Disc介质从定价来看是介于闪存和磁盘之间的,比磁带贵了大约10倍。”
磁带
谈到磁带的使用,该报告称:“这个市场正在发生根本性的转变,小型磁带系统正在被基于云的存储解决方案取代。同时,大型云提供商正在使用磁带——作为首选的数据农场备份介质,或者为他们的客户提供一个归档存储层。”
磁带的容量空间是巨大的
这很大程度上是因为它有更大的表面积可以容纳比其他任何介质更多的数据。想想3000英尺的磁带相当于7个3.5英寸的磁盘盘片或者1个DVD光盘。
LTO是主要的磁盘技术,LTO-7(6TB原始容量)在2015年问世。LTO-8(12TB原始容量)可能会在2017年10月出现。路线图上还有2-3代。
IBM专有的TS1155格式打败了LTO-8,15TB的驱动器使用新的Tunnelling Magneto-resistance (TMR)读传感器头技术。Spectra Logic认为,则何种技术可能会让未来4代容量翻一番,达到240TB。
而且“云提供商多数都使用LTO,考虑到他们在采购磁盘技术上的优势,这将导致LTO和企业磁带技术的更大比例差距。企业磁带,现在有两家提供商,似乎将成为一个服务过度的市场,而且Spectra Logic预测在某个时间点,该市场将整合到只有一家厂商。”
Spectra Logic认为,IBM将成为未来几年唯一的企业级磁带驱动器和磁带介质的制造商。
另一方面也许更为乐观的观点是:“Spectra Logic认为,闪存技术和磁带将会在相当长的一段时间内共存,成为满足近线和归档需求的主流存储技术。”
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。