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
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。