说东芝是一家创新公司,并不过分。追溯东芝历史,日本第一个电灯泡、第一台洗衣机、第一台微波炉均出自它之手。日本企业重视现实、实用、实践,强调团队工作,而这些特质,同样映射到了东芝的存储硬盘产品。
时间拉回至2018年,东芝首次发布充氦硬盘——MG07,拥有12TB和14TB两个容量型号,新品最大的亮点是非SMR、充氦气、镭射封装、首款9碟设计。
时隔一年,东芝在今年一月,正式推出型号为MG08的16TB硬盘产品,这是继上一代14TB MG07氦气盘之后,东芝再一次将非SMR盘的容量提升到一个新极限数字,成为业界容量最高的CMR机械硬盘。
从容量来看,16TB仅比目前广泛采用的12TB硬盘多33%,比14TB硬盘多14%,但意义却不可小觑,新的磁盘采用了TDMR( Two-Dimensional Magnetic Recording,二维磁记录)技术。据东芝透露,下一代18TB硬盘产品还会引进MAMR技术(Microwave Assisted Magnetic Recording ,微波辅助磁记录)。
似乎从14TB产品开始,在每一代产品上加入一项新技术,成为东芝硬盘的特点,其实产品定位、功能架构、框架设计等各个环节背后,都渗透着东芝严谨的逻辑思维。
迭代创新:严格遵守的“时间线”
日本人有守时的习惯,尤其是“不迟到”这点更是多数日本人天生养成的习惯。这种特质同样毫不保留地呈现在了东芝硬盘产品规划上。
早在去年,东芝推出MG07之际,就曾表示将在2019年推出16TB氦气盘,事实上,2019年新年伊始,东芝就对外发布了这款新品,这份“守时”也让东芝收获一份“靠谱”,因为在创新的同时,还追求稳定性和成本。
目前企业服务器和存储客户都意识到采用SMR技术可以有效提升硬盘的容量,但MG08仍还采用了传统的CMR磁记录技术,并非新的SMR技术。原因就在于,纯SMR机械硬盘在系统部署应用还需要几年的过渡时间,所以从反馈的结果中,东芝决定在企业级硬盘中还是继续使用CMR技术。
尽管SMR技术会带来一些性能上的短板,比如读取、修改、写入周期太长,但其对于高容量机械硬盘仍有很大的意义。
其实东芝没有忘记SMR,相反东芝电子(中国)有限公司存储技术部总经理户谷得之认为,SMR允许它们进一步增加容量,而无需切换到一套全新的媒介上。展望未来,东芝将容入更多新的技术,去研究可提供更高的可扩展性的方案。
MAMR技术将被采用到东芝下一代硬盘产品中。MAMR技术利用由自旋力矩震荡器(STO)产生的微波场来提供能量辅助。虽然MAMR技术本身并不新颖,但使用自旋力矩震荡器生成磁场来翻转硬盘中的磁体不仅具有创新性,而且对硬盘设计产生了变革性影响,可大幅增加容量并提升可靠性。
就像户谷得之所言,硬盘容量提升是一个累积的过程,东芝会把一项新技术放上去,把它改良到极限之后,再投入另一个新技术,在这背后,东芝为了验证新技术,通常会做一些比较长时间的准备,做很多不同的技术研究,并及时把新技术放到下一代产品中,这也是东芝硬盘产品的思路。
东芝的专注:坚守企业级HDD,尽可能降低每GB成本
但企业级机械硬盘的日子并不好过,尤其是在SSD冲击下。
对此,东芝电子(中国)有限公司存储技术部经理谢晶表示,尽管HDD与SSD“相爱相杀”,但从技术角度,两者并不形成直接竞争关系。
对于一些高压力在线业务,SSD毋庸置疑已经是理想选择。但是鉴于机械盘+RAID卡组合的根基非常强大,多数场景下,在满足需求前提下后者的成本还是要低于前者。
尤其对于企业级存储系统而言,SAS接口依然是不可或缺的,因为可以做到双冗余,而SAS接口的SSD的成本依然高昂。加之不管是传统的SAN存储系统还是新兴的分布式存储系统,其对成本要求都很高,SSD的全面替换短期还不可能。所以,利用中等容量、高数量的机械硬盘,加RAID卡或者SAN存储控制器搭建企业级存储系统依然还是主流。
也正是这份专注,让东芝与其他在各种硬盘厂商在技术变革下,定位摇摆不定形成了鲜明的对比。
东芝电子(中国)有限公司存储产品市场部经理王泽铠坦言,去年推出的14TB产品的实际出货量并没有达到预期,主要的原因是在于数据中心需要3个月、6个月亦或9个月等的周期来认证产品,认证之后才会开始大量采购,考虑到上代产品已经在2018年完成认证,相信今年会有一个反弹表现,同理,刚推出的16TB产品也会有类似经历。
这是需要耐心等待市场反馈的一个过程,在HDD市场普遍被人看衰的背景下,东芝仍然是不停地在容量与性能上下功夫,就像王泽铠所言,东芝的核心优势之一就是专注,专注于降低磁盘每个GB的成本。
随着MG08系列的推出,东芝也旨在将其运用到满足云级别服务器和存储基础设施环境中,降低专为数据保护、大数据汇总、内容服务和数字存档等应用而设计的存储基础架构的TCO。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。