眼下,人工智能、深度学习、物联网等技术的成熟及深化应用,全球也经历着前所未有的大革新,而在这场数字化变革的浪潮中,闪存(SSD)作为数据的承载体,起着至关重要的作用。

对于闪存的速度、性能相信大家已经非常熟悉了,不过我们今天的话题不是SSD,而是它"背后的那个它"--NVMe。
NVMe,全称Non-Volatile Memory Express,又名非易失性内存存储器,是一套全新的存储协议标准,在当下SSD横行的市场中占据重要位置,也是目前业内的行业规范。其规范由包含100多家公司在内的工作小组所制定。在最近几年中可以说是彻底改变了存储行业,随着更低的价格和更好的性能,越来越多的企业和数据中心开始采用NVMe。
据专业机构预测:NVMe市场将于2020年超过570亿美元,届时大约40%的全闪存阵列将是基于NVMe标准,且NVMe-oF适配器的付运量将于2020年上升到740,000个。
NVMe优势尽显
提到NVMe的优势,可以总结为一个字,就是快。速度相当惊人。严格来说,NVMe的原始基本规范是被设计为闪存上的存储协议,该协议使用现有未修改的PCIe作为本地传输。这种分层的方法非常重要。其实,NVMe不会创建新的电子或帧图层,而是利用PCIe已经提供的优势。作为高速互操作总线技术,PCIe的历史大家已经耳熟能详,然而,虽然也有优势,但不适合建立大型存储数据或覆盖距离超过几米,正是由于这个限制,NVMe打破局限用作直接连接存储(DAS)技术,本质上将SSD连接到服务器内的处理器,或者可能连接机架内的全闪存阵列。
事实上,NVMe-oF描述了一种通过选定的结构技术绑定常规NVMe协议的方法,这个比较抽象,使得本地NVMe命令可以通过最少的处理在架构上传输,以将架构传输映射到PCIe并返回。演示表明,与直接PCIe链接相比,通过结构访问NVMe SSD的延迟损失可低至10微秒。
上述有点点偏技术,我们再用简单的话术谈下。SATA AHCI标准每条命令需要读取4次寄存器,消耗8000次CPU循环,大概2.5微秒的延迟,而NVMe标准精简了调用方式,执行命令时不需要读取寄存器,延迟不到AHCI标准的一半。
在制定SATA AHCI规范时并行性的想法并没有完全融合到规范内,最高可以支持命令深度级数为32级。而NVMe标准理论上可以把最大队列深度从32提升到64000,SSD的IOPS能力会得到大幅提升。
综合上述,相比于SATA AHCI标准,NVMe标准下的SSD执行命令的延时大大减小了,队列纵深也增强了,IOPS也较大帽度增加了很多。
各厂商争夺市场
NVMe的优势也吸引了不少厂商,其实现在市场上已经有不少相关产品。
Pure Storage:Pure Storage在全闪存领域成长速度,这家公司认为NVMe将开启性能与密度领域的一个新纪元。因此,该公司计划将NVMe引入其一级弹性与企业数据服务当中,旨在将其打造成一种通用型方案--而非昂贵、外来的高性能利基性技术机制。
NetApp:NetApp在全闪存领域可谓如鱼得水,其 FAS 2600、8200、9000存储默认板载自带不同容量大小的NVMe SSD,用于关键业务IO加速。另外NetApp EF570甚至提供100G吞吐带宽NVMe Fabric接口等。
华为:华为在闪存领域拥有12年的持续积累,凭借多年的技术积累已拥有大量闪存核心专利。华为的OceanStor Dorado V3支持SSD盘在任何时间,以任何方式拔出,实现了业界领先的NVMe系统产品化。OceanStor Dorado5000 V3基于NVMe协议,新设计的硬件架构支持双端口NVMe SSD,以及硬盘暴力拔插更换,全新的并行软件架构能充分发挥NVMe的高性能优势。
除此之外,由于NVMe的火热,业内老牌厂商戴尔科技、西部数据、英特尔、IBM等均在此领域大量投入,也不乏创业企业Memblaze、中存超等。随着如今新技术的高速发展,未来NVMe市场或许会更加广阔。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。