相比之下,三星与东芝仍然被限制在30 TB容量区间。
Nimbus Data公司公布其100 TB ExaDrive DC系列SSD产品,这意味着其将成为目前容量最高的闪存驱动器产品。
虽然这款新产品拥有诸多值得一谈的特征,但我们首先通过直接对比来讨论其核心优势:
英特尔、美光与SK海力士在高容量SSD领域基本无所作为。
三星公司曾于去年8月谈到一款2.5英寸的128 TB闪存驱动器,其将采用QLC(即四级单元)与3D NAND技术,从而以并行方式访问由32块1 Tb芯片堆叠而成的封装晶片。
Nimbus公司则于去年8月公布了一款50 TB ExaDrive SSD产品,外加以OEM形式推出的Viking与SMART Modular技术。
这款100 TB ExaDrive产品采用3.5英寸设计,配备一个SATA接口,且利用MLC(二级单元)3D NAND芯片构建而成。Nimbus公司宣称,其拥有最低的每TB运行功耗,最低可达每TB 0.1瓦——较美光的5100驱动器低85%。
随机读取/写入IOPS性能高达10万/10万,这种读写对等的设计在SSD当中其实并不常见——大多数产品会提供更高的随机读取IOPS。不过10万级别的IOPS还称不上“快速”,毕竟有东芝PM5与三星PM1643两款能够实现40万IOPS的珠玉在前。这意味着此款驱动器不适用于在线事务处理类应用,而且该产品似乎针对容量与效率进行了优化。
IDC公司研究副总裁Eric Burgener表示:“这个级别的设备将凭借着经济高效的优势扩展到零级与一级应用之外的广阔领域当中。”
其连续读取/写入带宽同样对等,皆为每秒500 MB,数据上仍然不够亮眼。PM1643能够实现2100/700 MB每秒成绩,而PM5则可提供更恐怖的3350/2720 MB每秒性能。
不过ExaDrive能够在物理空间与能耗方面扳回一局。根据Nimbus公司的说明,实现100 PB存储容量在理论上需要3264块三星PM1643 SSD,且占用6台45 U机架,整体功耗则在50千瓦左右。
在同样的容量要求下,ExaDrive仅需要一台机架、990块驱动器以及约16千瓦能耗。Nimbus公司指出,ExaDrive DC100在五年期使用当中相较现有SSD能够实现高达42%的每TB使用成本压缩,这主要归功于其更强大的使用寿命、更低的功耗水平以及其它一些相关指标。
Nimbus公司的100 TB驱动器在其五年质保期内提供无限次写入寿命承诺,远超之前提到的各款SSD的每天一到十次全盘写入水平。事实上,“无限”写入承诺更像是一种挑战邀请——用户可以尝试不断进行写入叫什么,看看这块驱动器到底能够承受怎样的压力。
ExaDrive还提供250万小时的MTBF(即平均故障前使用时间),基于电容的电源中断保护,多ECC引擎以及加密与安全擦除功能。
该公司建议将零级与一级数据存储在NVMe SSD当中,三级近线数据(包括归档、灾难恢复副本、备份以及冷门数据)存储在磁盘内,而ExaDrive则主要适用于一级与二级应用场景。
Deep Storage公司首席科学家Howard Marks指出,ExaDrive DC 100对于需要快速进行归档访问的客户最具吸引力。在他看来,以往客户往往需要跨越50到100块驱动器进行分布式奇偶校验才能获得可接受的驱动器故障重建时间。但对于这款新产品,10块驱动器构建起RAID可能带来更长的重建时间。
ExaDrive DC系列将提供100 TB与50 TB两种容量选项。两款产品目前已经开始向客户提供样品,并计划于今年夏季正式出货。Nimbus公司表示,其每TB价格将与现有企业级SSD相近。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。