时至今日,SSD的春风已经吹遍了科技领域的各个角落。业内各大厂商都在迅速研发新品,以求在市场立于不败之地。北京忆恒创源科技有限公司(Memblaze)作为业内知名企业于近日在北京召开新品发布会,发布了两款NVMe SSD新品,即高性能的PBlaze5 910/916 系列以及低功耗的PBlaze5 510/516系列。
据介绍,两款新品均采用64层企业级3D-NAND,并支持NVMe标准协议,其最高容量达15.36TB。与此同时,PBlaze5 910/916系列高性能 NVMe SSD,可以提供高达6GB/s读带宽和100万IOPS读性能,同时读/写延迟低至89 / 11μs。此外,PBlaze5 910/916系列支持8TB/s高速TRIM,TRIM功能不仅有利于降低写放大,提高SSD使用寿命,同时也能够提升设备性能稳定性,进而保障上层业务高效及平稳。
PBlaze5 910/916系列
众所周知,NVMe已经成为SSD固态硬盘的主流发展趋势。Memblaze为了进一步提高NVMe SSD的易用性,PBlaze5 910/916系列支持最高创建32个命名空间,适用于多业务混合场景,共享单设备容量和性能,提高资源利用率。结合系统端I/O控制软件,根据不同业务需求,对不同命名空间进行QoS管理。
PBlaze5 910/916 产品展示
除此之外,拥有在延续出色一致性能的同时,PBlaze5 910/916系列的能源效率大幅提升,每瓦随机读/写IOPS高达70k/18k,每瓦顺序读/写带宽高达388/212MB/s。典型业务场景下相比同一代PBlaze5 700/900系列,综合能源效率提高了38%,并且用户可以根据自身的业务需求,将PBlaze5 910/916系列功耗控制在从10W到25W中的任何一档,每档功耗间切换时间在1ms以内,为企业级用户和存储系统提供精确动态的功耗控制。
PBlaze5 510/516 系列
另外一款新品PBlaze5 510/516 系列NVMe SSD,拥有15mm和7mm两种厚度的2.5寸规格,均为U.2接口,最高可提供540K IOPS以及3.2GB/s带宽的性能。
PBlaze5 510/516 系列典型负载功耗仅10W,待机功耗4W,并且支持精确到每瓦的功耗控制。大规模部署时可有效降低数据中心设备的资本性投入(CAPEX)和运营投入(OPEX)。为满足企业级业务对系统高可用性的要求,PBlaze5 510/516系列支持双端口功能,支持主机对两个端口同时访问,解决了单路径失效的问题,保证数据访问的连续性。
PBlaze5 510/516 产品展示
此外,PBlaze5 510/516 系列NVMe SSD拥有LDPC纠错、AES256自加密、全路径数据保护、增强掉电保护技术及热插拔等诸多核心技术,全面保障设备的高可靠性、高可用性以及数据安全。
Memblaze CEO 唐志波在发布会上说:"如今不只是NVMe SSD走向成熟,各类基于NVMe SSD的全闪存阵列也已经开始进入市场。这对于Memblaze意味着更大的发展空间,另一方面,NVMe SSD也需要做好充分的储备。Memblaze的新一代NVMe SSD不仅追求极致的性能与高可靠性,而且还向前更进一步关注产品的能源效率及功耗控制,以求全面满足未来存储系统对NVMe SSD的需求。"
Memblaze CEO 唐志波演讲
小结
多年研发及实践助力Memblaze积累了诸多核心技术,产品的软硬件架构也在不断发展演进,这些核心技术及创新架构在两款新产品上得到了全面继承和进一步发展,同时TRIM、多命名空间等多项新特性同样走向成熟并在新产品落地。产品多次迭代升级基础上,PBlaze5 910/916 系列及510/516系列能够彻底释放NVMe SSD的性能优势,并拥有更高的能源效率,能够满足云计算、互联网、金融、电信、人工智能等行业对海量数据快速访问以及降低系统功耗的需求。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。