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
智能代理AI已成为最受关注的技术之一,它通过强调运营决策而非内容生成,将生成式AI推向新高度。该技术能够与ERP、CRM和商业智能系统无缝集成,实现实时决策和流程自动化。九大主要应用场景包括:软件开发、增强版RPA、客户支持自动化、企业工作流自动化、网络安全威胁检测、生产力提升、报告生成、HR员工支持和商业智能分析。
MiniMax公司发布了世界首个开源大规模混合注意力推理模型MiniMax-M1,通过创新的"闪电注意力"机制将AI推理的计算复杂度从平方级降低到线性级,支持100万词汇上下文和8万词汇生成长度。该模型在保持强大性能的同时,将长文本处理的计算成本降低75%,仅用53万美元就完成了完整训练,在软件工程、长文档理解等复杂场景中表现优异,为AI推理技术的普及奠定了重要基础。
麻省理工学院科学家研究发现,使用大语言模型可能导致学习技能下降。研究团队对54名波士顿地区参与者进行了为期4个月的写作实验,分为无辅助、搜索引擎辅助和ChatGPT辅助三组。通过脑电图设备监测发现,使用LLM的参与者在写作时大脑连接性降低55%,专注注意力相关的脑波活动也更弱。此外,该组参与者在引用自己文章内容时表现较差,对作品的归属感也更低。研究建议在学习者进行充分自主认知努力后再引入AI工具。
新加坡国立大学研究团队发布了离散扩散大语言模型的全面综述,这种新型AI写作模式让机器能像人类一样反复修改文本,而非传统的从左到右逐字生成。技术实现了10倍推理加速,支持精确的格式控制和并行生成,在保持传统模型性能的同时,解决了可控性和推理效率问题。