希捷公司已经公布三款新型12 TB驱动器,一款面向台式机,其它两款则主打NAS市场,而在这两大区间内,皆能够在容量方面领先西部数据。
其中面向台式机的BarraCuda Pro分别提供2、4、6、8、10与12 TB版本,高于此前的10 TB容量上限。希捷公司表示,这样的容量水平已经达到其它最为接近的竞争产品的两倍,即西部数据的6 TB蓝盘。根据我们掌握的情况,其中10 TB与12 TB两款为氦气填充式设计,其它更低容量版本则为普通空气填充设计。
一般来讲,10 TB与12 TB版本应该采用8块存储碟片,而其它版本则采用6块存储碟片; 不过确切信息仍有待希捷方面加以证实。12 TB IronWolves采用8碟片设计,总重量保持在705克。
BarraCuda Pro的重量数据则表明其碟片/磁头数量方面的差异:
目前还不清楚为什么6 TB版本在重量上比8 TB版本更高,这有可能是因为8 TB同样采用氦气填充式设计因此存储碟片重量更轻。
希捷公司并未提供角度理想的图片,因此我们无法准确计算其存储碟片数量。
BarraCuda驱动器为7200转设计,配有一个每秒6 Gbit SATA接口,其中2 TB与4 TB版本为256 MB缓存,其它版本则为128 MB。连续数据传输速率则随容量变化而有所浮动; 12 TB版本为每秒250 MB,4、6、8与10 TB版本为每秒220 MB,但2 TB版本仅为每秒195 MB。
产品提供五年质保服务,每年工作负载限制为300 TB,且支持每年8760小时正常运转时长(24 x 7全天候使用)。
希捷公司表示, IronWolf与IronWolf Pro的12 TB版本能够提供行业最高的容量、可靠性、性能以及系统可扩展能力。西部数据的Red与Red Pro NAS驱动器则最高提供10 TB存储容量。
IronWolf底侧照片,可以看到其中包含8块存储碟片。
IronWolf为一款1到8托架NAS驱动器,其分别提供1、2、3、4、6、8、10与12 TB存储容量。其6、8、10与12 TB版本转速为7200转,更低存储容量版本则为5900转。根据我们了解的情况,10 TB与12 TB版本采用氦气填充式设计(与IornWolf Pro同容量版本保持一致)。
连续数据传输速率随容量变化而有所浮动; 12 TB版本为每秒250 MB,6、8与10 TB版本为每秒210 MB,1、2、3、4 TB版本则为每秒180 MB。缓存大小则分为两种,6到12 TB版本为256 MB,更低容量版本为64 MB。
其支持全年180 TB工作负载,平均故障前运行时长(简称MTBF)为100万小时,提供三年质保服务——不过这一切都在BarraCuda Pro的五年质保与全年300 TB工作负载支持能力面前显得有些寒酸。
IronWolf Pro是一款更为可靠的高强度负载驱动器选项,分别提供2、4、6、8、10与12 TB版本。其支持1到16托架NAS机柜,全年工作负载支持能力为300 TB,MTBF为120万小时,质保服务周期为5年——这些参数让IronWolf在对应定位层面显得无甚优势。
全部存储容量版本转速为7200转,6到12 TB版本缓存为256 MB,其它更低容量版本则为128 MB。IronWolf的数据传输速度随容量变化而有所浮动; 12 TB版本为每秒250 MB,4、6、8与10 TB版本为每秒214 MB,2 TB则为每秒195 MB。
两条产品线皆支持希捷的IronWolf Health Management(简称IHM)软件。其运行有Synology DiskStation NAS、Asustor NAS以及QNAP NAS系统。其为用户显示可操作预测信息、干预或恢复选项,并将在下个季度开始可与其它NAS合作伙伴的方案实现对接。
希捷公司的Rescue Data Recovery服务亦可供用户使用(包含在两年计划之内),用于对损坏驱动器内的数据进行恢复——希捷公司宣称成功率可达90%。
IronWolf、IronWolf Pro以及BarraCuda Pro的12 TB版本目前已经向全球范围内的客户正式出货。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。