近日美光科技有限公司推出了旗下最新的旗舰级性能固态存储产品系列——Micron 9200 系列 NVMe 固态硬盘(SSD)。具备创新型架构和行业领先性能的 Micron 9200系列SSD 使组织能以更快的速度访问数据,并为应对趋于多样化的业务关键型工作负载和激增的数据需求提前做好准备。
全新的美光 9200系列SSD 兼具 3D NAND 经济实惠的容量与 NVM Express (NVMe) 协议经验证的吞吐量和响应时间。美光科技的第二代 NVMe 硬盘是为消除传统的硬盘接口层而从零开始设计打造,可全面提升固态非易失性存储的速度,最大限度提高数据中心效率,从而实现最优的总体拥有成本 (TCO)。
美光科技存储产品事业部 SSD 和系统业务副总裁 Eric Endebrock 表示:“美光 9200 系列 NVMe SSD 的设计旨在提供超高速度、低延迟和高容量,让客户能够处理当今复杂应用工作负载所产生的大量文件、图像和多媒体资源。随着美光 9200系列SSD 加入美光 SSD 产品阵营,我们将为客户提供更丰富的存储解决方案组合,满足其不断变化的业务需求。”
美光 9200系列SSD 的容量和性能使数据中心能够存储更多数据、执行更多任务,并且更深入地了解其中的数据。在 PCIe 连接上加入 NVMe 协议的创新架构,让美光 9200 SSD 可提供出色的企业级闪存性能(速度与市场上的普通 SATA SSD 相比提升多达 10 倍),同时又通过美光 3D NAND 的高密度存储节省能耗和机架空间。[i]此外,美光 9200 还是市场首款容量超过 10TB 的 NVMe SSD,即便是对于存储容量要求最高的使用情形,该产品也能以极具竞争力的每 GB 成本满足需求。
“NVMe 通过增加单个硬盘能够同时执行的存储命令数量以降低 I/O 开销。”Moor Insights & Strategy 服务器与存储业务高级分析师 Matt Kimball 表示,“但一直以来,阻碍这项技术广泛普及的因素是价位和可靠性。美光科技等公司推出的技术有望消除这些障碍,向降低存储密集型工作负载的 I/O 延迟这一目标迈出重要一步。”
全面满足工作负载需求
如今的业务变得越来越复杂,要想保持竞争优势,企业需要以更快的速度做出决策并分析更大规模的数据集。因此,企业越来越重视提高数据中心密度、确保可靠性和数据持久性,以及在不增加延迟的前提下纵向和横向扩展存储基础设施。
对于那些需要高容量和高性能数据的机构而言,3D NAND 和 NVM Express™ 等固态存储技术可以为企业 IT 升级提供技术基础。美光 9200系列SSD 将其中最出色的技术融入企业存储,非常适合这类高性能、高容量的使用情形,例如应用/数据库加速、OLTP、高频交易(HFT) 和高性能计算(HPC)。以 OLTP 数据库工作负载为例,与容量和性能最接近的竞争对手产品相比,美光 11TB 9200 ECO SSD 的速度高出 45%,容量高出两倍多。
美光 9200系列SSD的设计旨在作为 Micron SolidScale™ 平台的存储基础,提供更大容量以实现更加高效的工作负载优化,同时降低总体拥有成本。利用 9200,SolidScale 可将当今共享存储领域性能最高的 NVMe SSD的每个机架容量扩展 5PB 以上,实现超过 250TB的节点容量。这些全新的高性能 NVMe 硬盘可加快应用运行速度,为老化的基础设施注入新的活力和敏捷性,从而为当今企业提供至关重要的能力:
[1]此处使用的硬盘价格是 www.froogle.com上提供的前三种价格的平均值,这些价格属于公开市场上非 OEM、非翻新的全新产品。 此处使用的 SSD 价格是美光科技的标价,单位为一块。所有价格都是在本文撰写时收集。所有 IOPS 数据都是在本文撰写之时从面向公众的数据表中收集。
[i] 本文撰写之时,已测定 9200 具有高达 900K 的 IOPS(基于 100% 随机 4KB 读取性能),而根据面向公众的数据表信息,第 1 层数据中心 SATA SSD 的平均 IOPS 仅为 85K
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。