希捷公司已经制定一项规划,希望在2023年利用其HAMR(即热辅助磁记录)技术推出48 TB磁盘驱动器,且每30个月将存储密度提高一倍。这意味到2025/2026年,我们或将迎来高达100 TB容量的磁盘驱动器产品。
HAMR克服了当前PMR(垂直磁记录)技术中较小磁化区域倾向于在温度变化与来自相邻位的干扰之下发生磁极性转换,进而导致二进制位值变化的趋势。
利用另一种更为稳定的记录介质,HAMR将在写入位值之前对其进行加热,这意味着读写磁头需要配备激光加热元件。HAMR bit可比PMR bit更小,因此磁盘驱动器的碟片存储密度将随之增加,从而使驱动器容量超越16 TB上限或者3.5英寸这一传统外形尺寸。
西部数据公司目前正在开发另一种PMR替代方案,即微软辅助磁记录技术(简称MAMR)。
希捷公司将于2020年推出其首款HAMR驱动器产品。
以上图表来自本届于伦敦召开的A3 Tech Live大会,其中显示希捷公司于2016年开始开发其HAMR技术,并将于2020年推出一款存储容量超过20 TB的驱动器产品。
最后一款PMR驱动器将于2019/2020年推出,容量为16 TB。希捷公司目前的存储容量最高的产品为3.5英寸Exos驱动器,容量为14 TB。
预计碟片存储密度每2.5年将翻一番,希捷公司还公布了另外两个HAMR驱动器容量变化节点:2021/2022年为36 TB,2023/2024年则为48 TB。
如果容量能够到2025年甚至之后持续增加,那么100 TB磁盘驱动器也有望成为现实。
该公司强调称,HAMR驱动器将成为现有PMR驱动器的直接替代品。
希捷公司实际上将开发出配备MACH.2多执行器技术的性能优化型HAMR驱动器——每张存储碟片配合两个读取/写入磁头,以及带有叠瓦式磁记录(简称SMR)技术的容量优化型驱动器。以下第二份图表中对此有所体现:
SMR驱动器具有部分彼此重叠的写入磁道块,因此能够进行读取的磁道相对较窄,这意味着其读取速度要远高于重写速度——这是由于重叠的磁道块必须完整重写,而不像现有驱动器那样只需写入磁道中受到影响的字节部分。
两条HAMR驱动器产品线将拥有大致相同的容量,但高性能驱动器的容量水平似乎将稍微落后于高容量驱动器。这可能是图表中的片面体现,不过希捷公司的此份资料并非产品公告,而仅仅用于预测产品容量变化趋势。
根据图表显示,第一款多执行器驱动器应该于2019年推出,这可能会给SMT驱动器以及非叠瓦式磁盘带来潜在的速度提升方向。
而在HAMR技术无法进一步提高碟片存储密度的时候,希捷公司希望转而利用HDMR(即加热点磁记录)技术——这是一种利用BPMR(即bit模式介质记录)的HAMR改进方案,其中较小的bit(由单一磁性颗粒构成)位于基准位置上方数纳米的凸起或所谓“岛”上。这将有效增加相邻bit之间的区分能力。
目前,距离第一款HAMR驱动器面世还有13到25个月。希捷公司表示,其已经生产了数百万个HAMR驱动器磁头,因此这项技术已经实证可靠。在其帮助之下,我们希望看到HAMR的全面上市,以及由此带来的容量更高、速度更快的驱动器产品。
好文章,需要你的鼓励
TechCrunch Disrupt 2025 AI舞台将汇聚塑造科技未来的领军人物,顶尖风投将揭示在快速变化的AI领域获得融资的关键。来自Apptronik、ElevenLabs、Hugging Face、Runway等创新企业的领导者将分享前沿洞见,探讨AI如何重塑创意过程、改变物理世界、变革国防安全和重新定义人际关系。10月27-29日,五大主题舞台将在旧金山呈现科技创新的未来图景。
西班牙研究团队提出了一种创新的AI自我纠错方法SSC,让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时,它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下,同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。
英超联赛与微软达成五年战略合作伙伴关系,推出AI驱动的Premier League Companion服务,为全球球迷提供个性化体验。该服务利用Azure OpenAI技术,整合30多个赛季的统计数据、30万篇文章和9000个视频,帮助球迷发现和了解更多内容。未来还将为Fantasy Premier League引入个人助理经理功能,并通过Azure AI优化比赛直播体验和赛后分析。
这篇文章详细解析了Long、Shelhamer和Darrell在2015年CVPR会议上发表的开创性研究"全卷积网络用于语义分割"。文章以通俗易懂的方式,将这项复杂的技术比作艺术家的绘画过程,解释了如何让计算机不仅识别图像中有什么物体,还能精确标出每个物体的位置和边界。研究团队通过将传统分类网络改造为全卷积形式,并巧妙运用上采样和跳跃连接技术,实现了高效准确的像素级图像理解。这一突破为自动驾驶、医学影像和增强现实等领域带来了革命性变化,奠定了现代计算机视觉的重要基础。