Western Digital 在投资者日会议上公布了其 HAMR 磁盘技术迁移计划,目前已有 HAMR 硬盘正在接受客户验证。
这次投资者日会议的举办是为了在预计本月底 Sandisk NAND 和 SSD 业务部门分拆前安抚投资者。此次分拆是由于 WD 股价未能反映 Sandisk 的实际价值,希望独立后的 Sandisk 能获得数十亿美元估值,为目前持有每股 WD 股票的股东带来 0.33333 股 Sandisk 股票的收益。
在没有 Sandisk 的情况下,Western Digital 将成为一家由 CEO Irving Tan 领导的硬盘制造商。他和他的团队向投资者表示,从 2023 年到 2028 年,生成的数据将增长 3 倍达到 394ZB。其中 59% 将在企业数据中心和公有云中,15% 在边缘设备 (如店内控制器、变电站、分支机构等),26% 在终端设备如 PC 和笔记本电脑中。
根据图表显示,到 2028 年,核心和边缘数据中心将存储 3,043 EB 数据,其中近线硬盘将占据主要份额。
WD 表示,这是因为企业级 SSD 的每 TB 成本将继续是近线硬盘的 6 倍,而且对于 SSD 和 HDD 来说,购置成本占总拥有成本的大部分。
考虑到购置、功耗和其他成本,SSD 的总拥有成本是硬盘的 3.6 倍。
WD 将通过生产更大容量的硬盘并迁移到 HAMR 技术来确保其在 HDD 供应中的强势地位。目前,WD 使用 ePMR 记录技术出货 26TB 常规和 32TB 叠瓦式硬盘,利用微波技术帮助传统垂直磁记录 (PMR) 创建更小的位区域。
但 WD 需要 11 个盘片才能实现这一点,而 Seagate 的 32TB、10 盘片叠瓦式 HAMR 硬盘即将全面上市,36TB 正在开发中,40TB 硬盘计划于今年晚些时候推出。这给了 Seagate 面密度和成本优势。
因此,WD 公布了其延伸至 2030 年及以后的 HDD 路线图,今年晚些时候将推出使用 ePMR 技术的 28TB 常规和 36TB 叠瓦式硬盘。HAMR 硬盘将于 2026 年推出,容量为 36TB 常规和 44TB 叠瓦式。WD 表示计划在 2026/2027 年底开始 HAMR 量产。
WD 承诺在 2030 年后推出 80TB 常规和 100TB 叠瓦式硬盘,之后将使用 HDMR (热点磁记录) 技术推出超过 100TB 的硬盘。
WD 表示其大部分资本支出和预算都分配给了 HAMR 硬盘开发,并已开始对 HAMR 硬盘进行超大规模测试。Seagate 的此类测试耗时多年。我们将拭目以待 WD 能否避免这个测试陷阱。对此,Wedbush 分析师 Matt Bryson 评论说:"一次性搞定 HAMR 似乎很有野心。"
补充说明
HDMR 基于超小型、非交互且室温下热稳定的磁点。它们通过激光加热 (与 HAMR 一样) 来降低其对磁极性变化的阻力 (矫顽力),从而实现位值写入。
HDMR 可以被视为 HAMR 和每位一粒 (BPM) 的组合。BPM 使用光刻定义的磁岛阵列,而 PMR 和 HAMR 的记录介质由直径约 10nm 的随机晶粒密集集合组成。一个记录位是一个数百纳米大小的区域,即磁域,包含许多具有相同磁极性的晶粒。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。