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
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。