美光方面的SATA制造工艺由32层更新至64层3D NAND,但其最大容量仍保持不变。
比特流——美光5200 SATA连接器,速度可达每秒6 Gbit。
美光公司期望能够提高其产品声誉——为此,该公司选择采用具有两个版本的5200产品系列替换了之前具有三种型号的5100 SATA固态硬盘,借此将平均无故障时间从200万小时延伸至300万小时,从而增强了该系列产品的可靠性。
此前2.5英寸的5100 SATA固态硬盘采用32层TLC 3D NAND工艺制造,具有以下三种型号:Eco(高容量)、Pro与Max(更长耐用性)。而新版5200——5100的更新版——则是选择采用64层TLC 3D NAND工艺制造,最大容量仍为7.68 TB。此外,5100与5200固态硬盘均采用每秒6 Gbit的SATA接口。
另外,5200舍弃了Max这一型号而保留了Eco与Pro版本,而美光方面决定将继续出售5100的Max版本以满足客户对于高耐用性的需求。
5100产品中一款容量较低的M.2型号也随着5200的出现而就此沉寂。
7纳米制程的2.5英寸美光5200 Pro SATA固态硬盘
5200 Eco版本的容量范围为480 GB、960 GB、1.92 TB、3.84 TB与最大7.68 TB——与5100 Eco的容量范围保持一致。
美光公司的5100与5200产品经理Matt Shaine表示:“我们为5200选择了5100最受欢迎的容量配置。而不可否认的是,发布时间与性价比也存在一定影响。”
此外,美光方面认为需要8 TB以上容量的客户会转向选择NVMe驱动器。
美光公司的EMEA(欧洲、非洲与中东地区)高级市场开发兼营销经理Nicolas Maigne接受采访时表示:“目前市场实际所需的最大容量为8 TB,而非更高的容量配置。并且,现在市场中大部分的容量配置仍集中于2 TB。”
旧版5100与新版的5200性能水平大致相同。两款产品性能的差别主要在于5200 Pro整体的随机写入性能表现更佳,达到了32000 IOPS;容量配置为480 GB的5200 Eco更是达到了33000 IOPS,而当其容量配置为7.68 TB时,IOPS数值则会降低至9500。
综上所述,美光方面声称其5200比其他企业的SATA固态硬盘——诸如英特尔公司的S4500、三星公司的PM863a、西部数据公司的SanDisk CS Eco G2以及东芝公司的HKR4——具有更好的性能表现。
依据每日全盘写入次数(DWPD)评估规定,5100 Eco、Pro与Max的评分依次为<1、1-3与5 DWPD,而5200 Eco的评分<1,5200 Pro则<2,且以DWPD评分细则来看,5200的耐用性整体呈现下降趋势。
那么,5200的耐用性为何也未曾得以加强?
对此,Shaine解释称企业SATA驱动器的市场目前已分化为两种使用情况:其一即是可实现1 DWPD的读取密集型驱动器;其二则是评分为3-5 DWPD的混合型驱动器。
5200 Eco与Pro驱动器是专为读取密集型用例而设计。
美光方面表示5200是针对关键业务虚拟化工作负载——此类工作负载会削弱硬盘性能表现——的成本优化型固态硬盘,而期望通过硬盘赢得市场份额才是其目标所在。此外,这类产品均为热插拔固态硬盘并具有AES 256位加密技术,而Flex Capacity功能足以让客户(OEM)改变驱动器的耐用性、性能表现与容量配置以适应其所需的工作负载。
该公司声称,SATA固态硬盘平均拥有200万小时的MTBF等级,因此5200的可靠性提升了50%,达到了300万小时。并且在其他同类驱动器的年度故障率为0.44%时,5200的年度故障率为0.29%,为行业最低。
最后,为何选择增强可靠性?Shaine表示,这是美光公司向市场表现其产品独特性的机会。对此,Maigne补充称美光方面希望推动该行业向上发展,远离其200万小时的MTBF定位点,并且客户也更偏好于可靠的驱动器。
Shaine声称:“在产品5100的整个生命周期中,美光方面认为其可靠性能够优于最初设定的标准,而该目标的实现需要高标准的制造工艺与足够优良的设立方案。所以美光公司致力于将可靠性提升至300万小时,而这在5200上得到了完美体现。”
以上即是5200的主要卖点,而除此之外,在随机写入IOPS方面,5200 Pro的性能表现也优于5100 Pro。
在低于8 TB容量的读取密集型企业SATA SSD级别,客户的首要需求即为可靠性,而不是耐用性。这也是5100 Max无法与5200相提并论的原因。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。