2017年,英特尔明确了内存业务愿景,然而实现愿景却面临重重挑战。回顾2017,我备受鼓舞,并为团队所取得的进展深感自豪。我们推出了首批基于英特尔傲腾技术的产品,打破了存储瓶颈。我们与领先的创新型客户协作,将多个细分市场的性能提升至新高度。英特尔3D NAND存储产品提供了业界领先的面密度,让客户能够把更多数据从低速硬盘驱动器转移到固态硬盘,以便进行数据分析并创造价值。这种更高的性能和密度将是存储和计算架构的基础,在未来十年推动行业向前发展。
本文作者:Rob Crooke,英特尔公司高级副总裁兼非易失性存储器解决方案事业部总经理
正如科再奇在CES上所说,“数据是下一代技术革命背后的隐形驱动力。”这是获取竞争优势的机会。为了实现新的存储和内存层级,我们的技术和产品现已就绪。在向数据为中心转型的过程中,领先厂商将占据先机。我们将与这些领导者携手前行,即刻出发。
2018:傲腾与3D NAND两项技术强强联合,帮助企业打破瓶颈并存储更多数据
得益于数据,我们的客户能够创造更好的体验,进行更好的业务决策,提供新的服务,从而取得业务的成功。进入到2018年,我们的愿景更加清晰:必须为客户打破实时数据访问的瓶颈,在更加经济实惠,方便访问的环境中存储更多数据,为他们的业务创造价值。
英特尔一直在优化存储和内存,与行业领导厂商一起,从硬件设备、平台架构到系统级解决方案,帮助企业挖掘价值。
去年,英特尔推出英特尔®傲腾™技术并与客户验证了解决方案。现在,我们可以清晰地看到,英特尔®傲腾™与英特尔® 3D NAND技术相结合,为面向未来的计算和存储提供了最佳解决方案。两项创新技术相结合,帮助我们的客户在向数据为中心的转型中取得成功。
我们继续投入两项核心技术:英特尔®傲腾™技术--超快速,低延迟;英特尔® 3D NAND技术--低成本,高密度。在业界,英特尔首次提供两项完全不同,但又完美互补的内存技术,让系统架构师得以设计计算和存储。
我们在处理器和平台层面改进我们的平台连接功能,以提升傲腾的性能并实现更高效、可扩展的存储解决方案。我们还将推动新的高密度“ruler”SSD的广泛部署,它能够在Pizza盒子这样的体积内存储1PB的数据,而不再需要几个机架的硬盘驱动。客户可以存储更多的数据,并有效降低数据中心的存储空间和成本。
为什么要重新设计?通过重新设计系统架构,企业能够从收集、整理、评估或分析的海量数据中获得更大的价值。通过傲腾和3D NAND,我们让系统架构师能够加速存储缓存层,同时提高其存储的容量和能力。这让本地化数据(靠近CPU的数据)和远期数据更加靠近。事实证明,不是一个解决方案或技术就可以实现,这需要英特尔®傲腾™和英特尔® 3D NAND技术的合力。这就是英特尔为整个行业带来的独特优势。
客户正处于向数据为中心的转型中
我们正在与富有创新能力的客户合作,他们正重新架构解决方案以降低总体拥有成本或提供新功能。例如,VMware,在配备恰当比例的傲腾和3D NAND之后,vSAN解决方案大幅提升了性能并降低了总体拥有成本。在Evaluator Group近期发布的一篇论文中,该解决方案的性能提高了10倍,性价比增加了9倍。
在比萨大学,研究退行性大脑疾病治疗的科学家发现,通过使用新的算法,并将3D NAND和傲腾结合,他们能够把MRI核磁共振的成像时间从40分钟缩短到2分钟,从而提升了患者体验,并提高了高价值设备的利用率。
对于PC、二合一设备、笔记本电脑或工作站等设备,把英特尔®傲腾™技术用作主存储或用在更大的存储设备(例如硬盘或SATA SSD)的前面,其整体的系统响应能力大幅提升,加快了游戏体验并提高了效率。
存储更多数据
我们看到,全球范围内,数据在源源不断地生成,为企业业务转型带来新的机遇。这要求我们不断创新内存解决方案,打破性能瓶颈,存储更多数据。未来,我们期待出现更多令人激动的创新举措,不断去满足客户的需求,包括提升傲腾技术的性能,提高NAND单元密度、加强面向存储的平台功能、推动采用“the ruler”的新设备,以及通过更多的行业合作推出创新解决方案。
英特尔®傲腾™技术与英特尔® 3D NAND技术相结合,构成强大的解决方案,满足当前的计算和存储需求。傲腾和3D NAND构成的解决方案助力客户在向以数据为中心的转型中取得胜利。傲腾帮我们打破瓶颈,3D NAND让我们存储更多数据。两项技术的强强联合,将在2018年创造出新的格局。
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。