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
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。