闪存芯片的成本要比选转型硬盘高出8倍之多,SSD的价格还没有低到完全取代磁盘。
闪存存储没TB的成本多年来一直下滑,因为通过制造更小的单元使得芯片容量日益增加,因为通过制造更小的单元,然后使用3D NAND对单元进行分层。这意味着你可以从一个NAND晶圆中制造出更多芯片,而且成本更低。
闪存的访问速度远远高于磁盘,但是成本较高,因此对性能敏感的使用场景已经从使用磁盘转向了使用闪存,即使有额外成本是合理的。
所以,我们看到了1.5万转磁盘驱动器正在被SSD取代,并且面临着潜在的、可能的消亡,不仅如此,1万转磁盘驱动器也面临着SSD的侵蚀。
那容量更高的近线驱动器呢?
SSD容量的增长速度要比磁盘快得多,现在市场上已经有了容量超过15TB的SSD——例如100TB的Viking SSD——相比之下,磁盘驱动器的最大容量仅为14TB。
QLC(4位/单元)闪存带来了容量的又一次飞跃,每个单元的容量比当前的TLC(3位/单元)高出1/3。
加之闪存比磁盘快得多,所以这些促使着快速访问的近线驱动器使用场景也转向使用闪存。
希捷的驱动路线图显示,磁盘驱动器也变得越来越便宜,几年的时间容量已经增加到超过40TB。
随着闪存制造能力的提高, SSD会彻底取代HDD吗?SSD容量成本的下降是否会击败磁盘起容量成本的下降以实现两者的交叉?
Gartner研究表明没有。
下面的图表显示了从2014年到2021年Gartner对SSD和HDD成本趋势预测:
我们在Infinidat简报会上看到了该图表。图表显示,SSD平均价格从2014年的大约0.84美元/GB下降到2021年预期的0.10美元/GB。磁盘驱动器价格下降的速度看起来像比较缓慢,从2014年的0.085美元/GB降至2021年预期的0.001美元/GB。两条线会走到一起吗?
绿线显示,SSD和HDD的每GB价格之间的百分比差距(右侧轴)。略高于90%,这意味着2014年的差距为9倍,到2021年将达到85%左右。
这表明,SSD和HDD价格侵蚀曲线正在平行移动,而不是汇合到一起。
只要磁盘驱动器制造商能够保持容量足够快地增长,那么他们就会比SSD更具容量成本优势。我们可以简单地模拟这种持续的分离。
下面的图表显示,SSD和HDD价格每年降低30%,从1000美元的SSD和100美元的磁盘开始:
不同时间段的差距列是稳定的。如果我们将纵轴改为对数刻度,那么这些稳态平行侵蚀曲线就会变得更加明显:
Infinidat的视角
为什么提到Infinidat?因为Infinidat不制造全闪存阵列。所有主要的磁盘驱动器阵列供应商都在转向全闪存阵列(AFA),而Infinidat坚持使用二级闪存缓存的磁盘阵列,并依靠主DRAM缓存来实现性能。Infinidat称其DRAM缓存的读命中率达到90%以上。
所以全闪存阵列人士会说,闪存性能胜过磁盘。但Infinidat表示,DRAM缓存增强的磁盘性能会更好,并且比全闪存阵列便宜。
好的,如果它的DRAM缓存技术这么好,为什么全闪存阵列厂商不使用它的技术?
Infinidat的性价比优势在大容量阵列例如1PB甚至更高的阵列中能够体现出来,而这是全闪存阵列厂商通常会忽略的一点。Infinidat说它在这个领域具有持久的优势。这取决于戴尔EMC(VMAX)、IBM(DS8000)和日立Vantara(USP)的高端阵列还没有开发他们自己的DRAM缓存技术。
如果Infinidat在销售方面遇到任何阻碍的话,他们或许就会看看其他提升性能的手段,例如存储级内存和NVMe over Fabrics。这个领域会变得非常有趣!
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。