西部数据公司已经放弃热辅助磁记录(简称HAMR)技术,转而开发微波辅助技术(简称MAMR),旨在2030年左右将磁盘驱动器容量提升至100 TB水平。
整个容量提升过程将逐步推进,且能够避免HAMR所面临的技术发展障碍。具体来讲,西数方面将在研发过程中相继引入多磁头制动以及所谓“大马士革”磁头结构。
目前的垂直磁记录(简称PMR)技术在磁盘驱动器的记录介质当中使用垂直定向的磁化区域。假定其中的记录介质拥有均匀的颗粒分布,而磁盘驱动器中的写入磁头则依靠电场使得北极或南极颗粒实现磁化。
在写入完成之后,颗粒将始终保持磁化状态,直到接受下一次重新磁化。如果我们缩小颗粒面积以增加碟片密度并借此提升容量,则其稳定性将逐步下降,且实际磁性将受到邻近颗粒以及周遭环境温度变化的影响。PMR驱动器目前每平方英寸能够提供1 Tbit存储容量,具体代表包括东芝的1 TB容量单碟MQ04 2.5英寸磁盘驱动器。然而,这项技术已经不再具备进一步升级可能。接下来,磁盘供应商需要想办法在记录介质中保持更为稳定的磁化区域,从而确保在进行数据写入时,各颗粒需要接受更强烈的引导方可改变其磁性——但这显然会增加数据的写入难度。
这时新的解决方案HAMR登场了,其通过对颗粒施加强激光实现加热,从而令目标颗更易改变其磁极属性。然而,向读取/写入磁头添加激光加热源会增加产品的制造成本与难度,此外在反复加热与冷却的情况下继续保证记录介质可靠性与使用寿命同样会带来巨大挑战。
希捷、东芝与西部数据都在研究并尝试开发HAMR技术。
然而,考虑到相关解决方案的复杂性,西部数据认定MAMR更为实用,而HAMR则将被遭到淘汰。
MAMR
MAMR采用另一种完全不同的技术来强制介质改变磁极属性。其采用自旋扭矩振荡器(简称STO)生成微波,并将其添加至写入磁头当中。在这种情况下,通过以正确频率施加微波,共振效应将能够改变颗粒的自旋状态,从而确保写入磁头的电场能够更轻松地变更介质磁性。
STO的微波在功能性方面与HAMR激光加热器一样,二者皆能够克服矫顽磁性,但又回避了后者的固有缺陷。
西部数据方面认为,其将能够随时间推移利用MAMR技术实现每平方英寸4 Tbit存储密度,且存储密度的复合年增长率(简称CAGR)将达到15%。
“大马士革”技术
西部数据公司在其读写磁头当中引入的另一项增量式提升,同样能够进一步增加STO设备的存储容量。而这正是“大马士革”(Damascene)工艺,其名称源自十八世纪之前作为锻冶工艺代表的大马士革钢。
西部数据公司在说明中对这项技术作出这样的描述:“通过沉积并蚀刻磁性与非磁性材料,大马士革工艺将逐步构建并渐缩写入磁头的主极与结构。这一过程还将形成一个完整的密闭场,有助于将磁头对准需要写入的目标区域,同时减少对相信磁道的干扰。”
如此一来,各磁道将能够进一步进行“瘦身”且更紧密地排布起来。这意味着读取/写入磁头必须更为准确地进行磁道定位,而西部数据公司也已经为此找到了解决方案。
多级驱动
各大磁盘驱动器制造商都在利用多级驱动器将读取/写入磁头安放在磁盘表面轨道之上,其中读取/写入碰头则被置于驱动臂的末端。可以想象一下,磁头类似于手指,而驱动臂则如同人类的手臂。如果仅依靠肩关节进行手指引导,那么定位准确度将较为低下; 但如果添加肘关节,定位效果将大幅提升。同样的,如果增加了手腕、手关节最后是指关节,那么准确度将不断得到改善……说到这里,相信大家已经理解了西部数据公司的解决思路。
西部数据方面已经将最后一个关节安置在更靠近读取/写入磁头的位置,并表示这套多级微型驱动装置将能够更好地实现磁道定位。
微型驱动装置、更精密的读取/写入磁头(大马士革工艺)再加上MAMR技术,意味着西部数据能够较HAMR更快突破每平方英寸4 Tbit存储密度大关。
该公司表示,MAMR将能够在2025年之前实现40 TB容量磁盘驱动器,并在此之后继续保持容量提升能力。我们整理出一份表格,其中以2018年作为15 TB驱动器的诞生起点,而后每年的存储容量复合增长率则为15%:
由此来看,2032年磁盘驱动器的容量将达到106 TB。
西部数据公司认为,MAMR将使得磁盘驱动器在2030年左右与SSD继续保持比较理想的每GB存储成本优势。
即使考虑到QLC闪存,二者的存储成本也拥有十倍差异。
未来竞争
如果西部数据的选择是正确的,那么希捷与东芝也将走出HAMR的技术迷雾。西部将在2019年发布MAMR驱动器样品。假定希捷与东芝至少需要一年才能迎头赶上,我们可以想象到2020年西部数据将拥有每驱动器2 TB的存储容量优势。毫无疑问,作为这项技术的缔造者,西数将在相当长一段时间内保持相对领先地位。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。