研究机构Futurum最近支持发表的一篇研究论文认为,普通硬盘可能比闪存驱动器更加环保。这篇论文指出,最主要的碳排放实际发生在设备制造期间,而闪存驱动器的碳排放实际比普通硬盘更多。
在这份题为《SSD真比HDD更具可持续性吗?》(https://futurumgroup.com/insights/are-ssds-really-more-sustainable-than-hdds/)的研究报告中,Futurum分析师Mitch Lewis宣称,“SSD中所使用闪存设备的制造过程涉及能源高度密集的工艺。与具有相同容量的硬盘驱动器(HDD)相比,闪存驱动器的能源成本高出约8倍。”
他还引用了最近在HotCarbon 2022大会上发表的一项研究,题为《SSD的肮脏秘密:本体碳成本》(https://www.youtube.com/watch?v=-0tzoSEL8iA)。这项研究由威斯康星大学麦迪逊分校计算机科学教授Swamit Tannu和加拿大不列颠哥伦比亚大学计算机科学助理教授Prashant J Nair共同完成。
该研究声称,“制造1 GB闪存须排放0.16千克二氧化碳,这已经在系统的总碳排放中占据很大一部分……闪存与DRAM制造中心使用的也大多不是可再生电力,其旺盛的能源需求往往只能用碳密集型的发电形式予以满足。”也就是说,这0.16千克二氧化碳就是SSD的本体碳成本。
尽管物体体积更大,但“与SSD相比,HDD的本体碳成本至少要低一个数量级。”这是因为HDD制造流程中的半导体密集度远低于SSD,而且消耗的电力也比半导体制造更低。此外,“大多数半导体制造厂使用的电力来自燃烧和燃气发电厂”,而非可再生能源。
对SSD与HDD环保程度的判决当然不仅限于制造耗电量,“还必须考虑到存储架构中的具体碳成本。”
该研究评估并比较了HDD与SSD的全生命周期碳排放量(按5年和10年两种使用周期计算),具体如下表所示:
其中的CO2e即为总体碳排放成本(单位为千克)。我们绘制了HDD和SSD的全生命周期排放数据(最右侧两列),下图为可视化转换后的形式:
根据这项研究,HDD在制造和使用寿命期间对应的总碳排放也比SSD更少,因此对于自然环境更为友好。
另外需要注意的是:
Lewis写道,“人们普遍认为SSD的可持续性比HDD更好,因为其无需依赖机械活动部件、所以能效更高。这种能效论点在供应商营销中被大量使用,特别是那些销售全闪存存储系统的供应商。”
但本次研究改变了这一切。“这是个相当令人惊讶的结果。绝大多数供应商宣称SSD比HDD更具可持续性,但从此次报告来看事实似乎并非如此。”
Lewis表示,作者可能没有考虑到“HDD和SSD的技术更新周期已经分开……HDD的更新周期通常为4到5年……但(提供较长保修期的供应商)已经帮助IT部门将设备的使用周期延长到了10年。”
按照这个假设来计算,那么SSD使用10年的碳成本为209.2千克(CO2e)。这个数字与HDD的水平更加趋近,但仍比HDD要高。
由于SSD的容量(存储密度)增速比HDD更快,“这种密度差异可能驱使IT部门更多选择SSD以节约物理占用空间,由此带来的碳排放贡献将弥补HDD与SSD之间的排放量差异。”
“尽管如此,SSD与HDD在可持续性方面的区别,确实比很多闪存存储供应商宣传中得经近似得多。”但在未来,“以密度更高的设备显著削减物理空间占用量,应该有助于改善数据中心的总碳排放量。”也就是说,SSD应该会表现出一定的可持续性优势。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。