您是否认为英特尔的3D XPoint是目前市面上惟一的电阻式RAM(简称ReRAM)技术方案?事实上,Crossbar的ReRAM在几乎各个方面都更胜一筹,且计划于今年年内投入生产。
Crossbar公司的CMOS芯片
英特尔公司于2015年下半年匆匆投身非易失性内存(NVRAM)竞争当中,并很快公布了其3D XPoint NVRAM解决方案。然而为了能够尽快交付实际产品,芯片巨头不得不大幅下调部分技术规格,并导致最终产品无法令人满意。
3D XPoint的实际表现不仅低于市场的普遍预期,同时亦在设计层面与英特尔自家CPU绑定在一起。潜在用户自然希望在英特尔之外找到其它替代性供应商选项。
市场竞争
Crossbar公司就在这时挺身而出。这家年轻的企业诞生于2010年,专注于打造一款具有优异性能、可扩展性以及实际制造能力的完美ReRAM方案。
Crossbar公司指出,其解决方案的写入速度较NAND闪存高1000倍,功耗水平则仅相当于闪存的二十分之一,此外使用寿命同样达到闪存的1000倍以上。尽管速度与使用寿命尚无法与DRAM完全比肩,但二者的水平已经相当接近,而功耗更是优于闪存及DRAM--这一点非常适合移动设备与物联网等平台。另外,其对环境温度的适应能力也值得一提,工作温度区间在零下40度到零上125度范围。
制造能力对于实现批量生产同样至关重要,而Crossbar公司在这方面也交出了一份令人满意的答卷。其能够使用标准化CMOS车间,仅添加数个步骤即可继续沿用现有工具与制造工艺,另外这套方案也可轻松实现3D堆叠设计并借此提升存储密度。
不过3D并不是其惟一的存储密度提升方式。该公司解释称,他们的设计方案能够实现8纳米级别制程水平,同时增加ON状态与OFF状态间的比例。该公司能够在几年之内生产出1 TB芯片,并在其中纳入更小存储单元尺寸与充足的分层数量。
在另一方面,NAND闪存则因单元尺寸下降所引发的使用寿命及稳定性削减而不得不选择3D堆叠的发展道路。这意味着各供应商只能依靠闪存单元堆叠实现存储密度提升。
存储市场之争
3D XPoint出师不利对于Crossbar以及Nantero等NVRAM厂商而言无疑是一种福音。迟缓的时间进度与令人失望的技术规格给了这些厂商喘息之机,而以微软为代表的各大专业软件厂商则不断催促着新型存储解决方案的出炉。
作为英特尔3D XPoint技术合作伙伴的美光公司对其计划始终保持着战略性沉默,这意味着3D XPoint发展路线图未来可能会带来更多意外惊喜。但对我们存储技术消费者而言,能够在NVRAM领域获得更多备选方案显然是件好事。
现在,睿智的架构师与设计师们需要以此为基础,考量如何利用NVRAM的强大能力构建起更为出色的设备与系统方案。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。