有分析师表示,XPoint和其他永久内存技术成为服务器设计标准的前景正在受到阻碍,因为这些部分成本太高。
因为这是小批量生产的,所以不会出现规模经济使其成本更低一些。
Object Analysis分析师Jim Handy在1月份的SNIA闪存高峰会上解释了这一点,并从内存层开始分析。
Objective Analysis内存层的幻灯片
这个图表显示了在一个以性能定义的领域的内存和存储技术,也就是带宽(垂直访问)和成本(横轴)。
从左到右有一个对角线,从底部的磁带(慢速低成本)到磁盘、SSD、DRAM和缓存层到L1缓存,这是图表上最快和也是成本最高的部分。
在任何时候任何点想要冲入内存层的新技术都要比它之下的技术性能更高,比其上的成本更低。
我们已经看到NVDIMM试图填补SSD-DRAM的差距,但普遍失败了——例如Diablo Technologies。
Handy表示,在2004年前后NAND也遭遇了同样的问题,在此之前SLC(1位/单元)规格下,要比DRAM(每GB成本)成本更高,尽管一个100毫米模片采用了44纳米工艺、可保存8GB的数据,相比之下同样的DRAM模片可保存4GB数据。两倍的数量意味着成本减半,但实际上并没有——因为没有足够的产量来实现规模经济。
Handy表示,2004年,NAND闪存晶圆的数量达到DRAM晶片数量的三分之一,我们看到了一个交叉点:
自从NAND和DRAM价格曲线分开之后,MLC(2位/单元)、TLC(3位/单元)和3D NAND(更多位/芯片)也加速了分离。
后来出现的永久内存(PM)技术的制造成本很高,因为它涉及到新材料和新工艺,这使其更加昂贵,这就延长了获得制造规模经济所需的时间。
制造更多,支持更多
对于XPoint来说,NAND、NVDIMM-N以及其他针对填补DRAM-NAND空白的永久内存技术带来的经验教训,就是其制造产量需要足够高以提供一个能够填补内存层图表上空白的性价比:
Handy认为,其制造量需要接近DRAM,还需要软件支持,特别是永久内存,要支持运行在Linux、Windows和VMware上。最初的PM占用是针对性能的,并且要求比NAND性能更高的速度和低于DRAM的价格。
Handy认为,在XPoint实现这一点之前是不会普及的。他表示,英特尔有足够的动力来实现这一目标。
评论
如果三星能够使其Z-SSD价格足够便宜,那么它可以比XPoint更快地填补内存层上的DRAM与SSD之间的空白,并防止XPoint成为主流,而三星在开发自己的后NAND永内存技术以赶超XPoint。
其次,与XPoint竞争的技术,如STT-RAM、ReRAM和相变内存都还在开发中,除非有一个实际的路径来制造影响力。这是一个严酷的世界。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。