从8TB、10TB、12TB、到去年14TB,每年东芝都会以2TB的容量提升发布新一代企业级硬盘。今年,守时的东芝也于3月底正式推出16TB MG08系列企业级氦气硬盘。
16TB下的革新与坚守
尽管SSD近乎占据消费级市场的全部江山,但在"云大物移智"时代下,数据的爆发和价值的提升使得HDD在很长时间内仍将主导企业级。IDC前不久发布的白皮书显示,到2025年,企业将存储全球85%的数据,所有介质类型的存储容量出货量超过22ZB,其中,近59%的容量来自HDD产业。
究其缘由,一方面数据的爆发使得企业需要更大容量的存储介质,尽管QLC颗粒的出现使得SSD逐渐消除容量劣势,但在成本上,同容量但价格仅为SSD 1/10或更低的HDD自然更受企业青睐,在对性能要求不高的场景上,HDD的优势更为突出。
另一方面,虽然QLC SSD在容量上大幅提升,但其千次左右的P/E值使得SSD的寿命也大幅缩减。在对存储介质的稳定性和耐久性尤为看重的企业市场上,这并非好事。而这,也是东芝坚持发展大容量企业级硬盘的主要原因。
相比2018年发布的14TB MG07系列企业硬盘,此次发布的16TB MG08系列企业硬盘有革新,但也有坚守。
首先,在革新上。显而易见,容量,MG08在容量上比MG07提升14%,而这小小的2TB,使得4块4TB硬盘或2块8TB硬盘的替换成为可能。其次,MG08采用TDMR( Two-Dimensional Magnetic Recording0)二维磁记录技术。
而在坚守上,MG08沿用了MG07的9碟、氦气填充和激光封装三项东芝领先于业界的技术。值得称赞的是,MG08依旧使用了CMR(Conventional Magnetic Recording)传统磁记录技术,没有采用SMR(shingled magnetic recording)叠瓦式磁纪录。
此外,虽然企业服务器和存储客户意识到迭瓦式磁记录 (SMR) 技术可以提高硬盘容量,但是将 SMR 硬盘产品应用到服务器和存储系统中还需要几年的过渡时间,而这也是MG08依旧坚守CMR的原因。
东芝的工匠精神
除了守时,日本人为自己赢得的另外赞誉便是严谨与极致。这点,依旧很好得体现在东芝身上。
首先,从产品层面来看。以MG07到MG08为例,可以明显看出,东芝知道哪些技术需要革新,哪些技术需要保留。东芝每年发布的新产品都会有技术的更新,但这看似一年一推出的技术,据东芝介绍,从提出、到实验室、再到最终运用于产品,每项技术革新历经5-6年。
"稳定性一直是东芝企业级硬盘主要的考虑因素,每项技术的应用都是一个叠加过程,东芝会把该技术改良到极致后,再去引入新的技术",这是东芝电子(中国)有限公司存储技术部总经理户谷得之的态度。
同时,户谷得之透露到,经过充分的测试后,明年东芝将推出基于MAMR(microwave-assisted magnetic recording)微波辅助磁记录技术的18TB硬盘。
其次,从市场来看。一方面,东芝将继续耕耘互联网行业,直接携手服务器厂商或云服务商,更好地满足SDDC、云级别存储、文件/对象存储等基础设施应用,以及中线/近线存储的关键业务型负载。
另一方面,东芝将持续发力监控市场,通过线上线下渠道,联合合作伙伴,提升在中国监控硬盘市场的占有率。据悉,目前东芝已与深圳市安全防范行业协会展开密切合作,并得到深安协的品牌推荐。
对此,东芝电子(中国)有限公司存储产品市场部经理王泽铠表示:"每年硬盘市场的需求都不同,东芝将会定期与客户沟通,从长远发展角度出发,为客户提供需求支持,这是东芝的坚守"。
从2016年8TB到2019年16TB,再到即将到来的18TB,可以看出,提容一直是东芝的目标,而提容的背后,更是对产品技术的固执追求和对用户负责的严谨态度。
好文章,需要你的鼓励
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
AI系统正变得越来越善于识别用户偏好和习惯,像贴心服务员一样定制回应以取悦、说服或保持用户注意力。然而这种看似无害的个性化调整正在悄然改变现实:每个人接收到的现实版本变得越来越独特化。这种认知漂移使人们逐渐偏离共同的知识基础,走向各自的现实世界。AI个性化不仅服务于我们的需求,更开始重塑这些需求,威胁社会凝聚力和稳定性。当真相本身开始适应观察者时,它变得脆弱且易变。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。