2022年第三季度,磁盘驱动器行业经历了糟糕的三个月。与此同时,内存市场也经历了修正期,包括NAND闪存(SSD中的存储介质)在内均出现销量下滑。
与2022年第二季度相比,第三季度的磁盘总出货量下降13.9%(仅为3840万块,低于上季度的4460万块),继续延续着2022年第一季度以来的下降趋势。第三季度的总存储容量出货量则较上个季度下降约37%。近线磁盘驱动器较第二季度下降约13.8%,具体结果如下图所示。
磁盘容量与驱动器数量出货趋势图
下降的原因,是近线磁盘驱动器增长放缓以及传统磁盘销量持续下降。请注意,与2021年底相比,近线磁盘(用于企业和数据中心的在容量HDD)在整个市场内所占的比例已经高得多。我们预计随着SSD继续抢占市场份额,PC、消费级和高性能应用领域将继续扩大这种高性能靠SSD、容量靠近线磁盘的整体走向。
下图所示,为然后和西部数据两家硬盘大厂从2020年第四季度至今的各自收入及总和收入趋势。两家厂商在2022年第三季度的总收入较上个季度下降了约16.6%。希捷在第三季度的收入降幅甚至超过了西部数据,成为过去两年间的首次落败。
磁盘驱动器收入趋势
我们还调整了2022年第四季度的硬盘单位出货量预期。年初,我们认为硬盘整体出货量应该只比2021年下降约0.6%(约2.32亿块),但现在我们预计今年全年出货量将同比下降36%,成为多年以来出货量降幅最大的一年。
过去十年间,磁盘驱动器的平均销售价格(ASP)总体上一直保持增长。西部数据的ASP稳住了这股势头,本季度平均价格由120美元上升至125美元。但然后的ASP则由上季度的121.29美元下降至本季度的112.90美元,反而把总预期ASP拉低了几个百分点。如此看来,希捷上个季度的高容量(高价位)硬盘出货比例并不高。
下图所示为我们对未来几年,直至2027年间磁盘驱动器单位出货量的中值、高位和低位的预测。与2021年相比,磁盘和磁头出货量(磁盘驱动器中的重要组件)预计也将在今年大幅缩水。
磁盘驱动器出货量历史与未来预测
西部数据的David Goeckeler表示,“美国云客户的持续发展和SMR磁盘的加速普及,被其他企业级产品及消费级硬盘的疲软需求所抵消。基于SMR技术的大容量企业级硬盘出货量已经在同类产品内占比超25%,比我们的预期高出四分之一。现在,我们预计SMR在2023财年结束时,将占我们高容量企业磁盘出货总存储量中的40%以上……SMR的普及也将磁盘的平均容量环比增长19%,同比提升21%,目前高容量企业级驱动器的平均空间已经达到17 TB。此外,我们的20 TB驱动器出货量也环比增加超150%。”
他进一步补充道,“我们的美国云客户已经在大幅减少自建数据中心所采购的磁盘及其他组件。全球市场需求的持续低迷,恐怕未来几个季度的短期销售额都不会太好。”
希捷的Dave Mosley则提到,该公司出货的高容量磁盘驱动器中,有超过40%为20 TB以上型号。到2023年年中,希捷还将推出容量超过30 TB的HAMR磁盘驱动器。他解释称,“我们正使用传统CMR技术将产品家族扩展至25 TB左右的容量水平,并利用SMR技术冲击近30 TB的容量区间。至于30 TB以上部分,我们正在依托HAMR技术稳步推进开发……我们将继续稳健达成一个个开发计划里程碑,拉升可靠性与存储密度指标,最终将驱动器容量扩展至30 TB以上。”
下图所示,为2022年第三季度NAND闪存及DRAM的市场表现。情况同样糟糕,预计当季度二者总收入要比上季度下降27%。
内存收入趋势
引发内存需求下滑的原因包括:
· 随着正常办公、开学和线下活动的恢复,新冠疫情带来的互联网服务增长已经再次放缓,超大规模数据中心需要削减订单并消化掉此前多余的硬件库存。
· 疫情封控限制了各大城市的消费活动。
· 美联储加息等不确定事件导致全球经济放缓,消费者信心下降,因此减少了全球消费级产品的总销量。
下图为我们整理出的,从2012年至2027年间磁盘驱动器、SSD和磁带驱动器出货容量的最新预测。可以看到,今年的总出货容量发生了显著下降。目前我们暂时认为2023年存储设备的出货容量应该会有所增长,但实际还是取决于市场能否在明年初顺利复苏。
磁盘驱动器、SSD和磁带驱动器的出货容量趋势与预测
与上季度相比,2022年第三季度磁盘驱动器的出货容量和出货单位数分别下降了37%和14%。同期,包括NAND闪存在内的内存出货量下降约27%。导致存储需求下降的两大核心原因,分别是经济疲软限制消费级需求、以及各大数据中心对存储设备的采购放缓。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。