东芝与西部数据的合资闪存代工厂已经开始制造96层3D NAND芯片,而两家合作伙伴正在此基础上积极生产四级单元(简称QLC)产品。其中仍在使用TLC的东芝公司发布一款三级单元的1 TB SSD,而率先迈入QLC时代的西部数据则拥有一款四级单元的1.33 Tb芯片。
东芝公司的XG6为一款单面M.2“口香糖”(22 x 80毫米)外形尺寸的产品,其属于XG5 M.2驱动器的换代方案。这款驱动器采用64层3D NAND芯片,容量选项分别为256 GB、512 GB以及1 TB。前后两代产品皆配备有一个NVMe接口。
尽管采用其512 Gb晶圆的96层TLC芯片在单位容量方面较64层方案提升了40%,但XG6驱动器的容量水平却仍与XG5保持一致。
与XG5相比,XG6的另一个奇怪之处在于其性能表现。XG5的随机读取IOPS高达14万4千次,随机写入IOPS则高达11万9250次——这属于典型的随机读取速度高于写入速度的模式。而XG6的参数分别为随机写入IOPS为35万5千次,随机读取IOPS为36万5千次。
XG5的连续读取与连续写入传输带宽分别为每秒3 GB与每秒2.1 GB,XG6则分别为每秒3.18 GB与每秒2.96 GB——这又重新回归了读取快于写入的典型模式。
东芝公司还拥有一款XG5-P,即高端M.2 2 TB驱动器,其中采用64层TLC 3D NAND芯片。因此,我们希望能够看到未来推出采用96层TLC芯片的XG6-P,其容量或将达到3 TB水平。
XG6提供五年质保与150万小时平均故障前运行时长。具体使用寿命信息目前尚不明确。东芝公司正在向OEM厂商提供样品,这款驱动器将主要用于PC/移动端、嵌入式设备以及数据中心场景。
东芝公司表示,其正在开发一款QLC(四级单元)芯片,这将把现有TLC芯片的容量进一步提升三分之一。
西部数据公司目前拥有一款采用同一晶圆厂出产芯片的1.33 Tb QLC芯片,其表示这是目前业界内存在的存储容量最高的单一3D NAND芯片。
这款芯片现已开始提供样品,并计划于今年年底之前批量出货以用于SanDisk品牌的消费级产品。西部数据方面表示,预计这些芯片将出现在零售、移动、嵌入、客户以及企业级产品线当中。SanDisk Ultra目前提供的最高容量水平为2 TB,我们预计新芯片的推出可能将其容量提升至3 TB。
作为东芝存储器集团下辖的子公司,东芝美国有限公司亦拥有一套96层QLC芯片的原型设计方案。该公司表示其单芯片容量为1.33 Tb,与西部数据保持一致。东芝方面将这些芯片每16个一组堆叠在同一封装之内,从而生产容量达2.66 TB的“超级芯片”。
相关样品将于今年9月向SSD及控制器供应商交付,全面量产时间预计为2019年。
本月早些时候,三星公司表示其正在生产90层以上3D NAND芯片,并着手开发QLC方案。美光公司刚刚进入96层领域,目前拥有2.5英寸ION 5210 QLC SSD,其采用64层技术且容量为7.68 TB。我们预计未来推出的96层版本可能将容量提升至10 TB水平。
英特尔公司发布推文表示,其目前正在生产数据中心级QLC SSD,且目标是开发出容量达20 TB的2.5英寸SSD。更多细节预计将在8月6日至9日召开的Flash Memory峰会上公布。
可以看到,我们正全面进入96层与QLC闪存时代,由SATA与SAS到NVMe的过渡也在持续进行当中。感谢闪存的蓬勃发展为我们带来一系列振奋人心的好消息。
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。