2020年3月16日-北京忆恒创源科技有限公司(Memblaze)今天宣布推出PBlaze5 920系列企业级NVMe SSD,大幅提升用户体验。PBlaze5 920系列NVMe SSD采用96层3D eTLC NAND,拥有U.2接口2.5英寸硬盘及半高半长插卡两种形态,最高容量达7.68TB。PBlaze5 920系列包括PBlaze5 D920, PBlaze5 C920, PBlaze5 D926以及PBlaze5 C926 4组SKU。

PBlaze5 920系列NVMe SSD提供高达5.9GB/s顺序读带宽和97万读IOPS性能,同时读/写延迟低至90/12μs。凭借卓越稳定的性能,完善的数据保护机制,良好的系统兼容性、使用体验,以及丰富的企业级特性,PBlaze5 920系列NVMe SSD能够帮助企业为其关键业务应用构建高速、高可靠、灵活易用的存储解决方案。
优异的QoS及性能一致性,大幅提升用户体验
PBlaze5 920系列NVMe SSD在4K随机写,从空盘到稳态,以及顺序写和随机写互相转换的状态下,均可实现平滑过渡,全面保障设备性能平稳无大幅抖动。同时,PBlaze5 920系列NVMe SSD还大幅提升了GC读效率,GC整体的执行效率也因此得到大幅提升。
PBlaze5 920系列优异的QoS一致性,帮助客户避免了由于业务访问激增,SSD个别IO处理时间过长,造成部分用户体验差甚至业务中断的风险;同时良好的I/O QoS,为云计算、存储系统整体QoS提升提供可靠保障。
Quota by Namespace, 保证业务IO访问优先级
由于在单一大容量NVMe设备上部署多种不同类型应用的场景与日俱增,此次Memblaze推出的PBlaze5 920系列产品中集成了Quota by Namespace这一全新特性,这也是业界为数不多的拥有该性能的企业级SSD产品。
Quota by Namespace是对NVMe SSD的Namespace 实施Quota操作,并根据应用优先级等选择合适的Namespace,实现应用场景的优化与扩展。通过在Memblaze PBlaze5 920系列上创建不同的Namespace,对负载较低优先级的任务的Namespace加以Quota限制,可以保证高优先级任务的Namespace享有更多IO资源。
在线固件升级,确保关键业务连续不中断
传统固件升级操作需要冷重启服务器,再重新启动业务系统的各个模块,工作繁琐也容易出错。Memblaze PBlaze5 920系列NVMe SSD支持在线固件升级,即使在业务有IO的情况下,也无需重启服务器,就可以完成固件升级,保证了存储系统服务的连续性,并且大幅简化了运维环节,降低了IT系统运维难度以及运维成本。
可变Sector Size管理,灵活的端到端数据保护方案
可变Sector Size(Viable Sector Size,简称VSS),可以在保存用户数据的同时,保存该数据的元数据。Memblaze PBlaze5 920系列支持512字节、4096字节、512+8字节、4096+8字节和4096+64字节Sector Size,即业务应用下发一个I/O,同时可携带8 字节或者64字节的元数据。VSS技术在保证高一致性能前提下,进一步保证存储系统和分布式文件系统对数据可靠性的高要求。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。