美光新推出的2600客户端QLC固态硬盘通过动态优化缓存技术,使QLC闪存实现了与TLC相当的写入性能。
NAND闪存根据单元位数有四种基本格式:SLC(1位)、MLC(2位)、TLC(3位)和QLC(4位)。更高的单元位数可降低成本,但会影响写入性能和耐久性。2600系列的自适应写入技术(AWT)通过建立两级缓存架构来提供TLC级别的写入性能:顶层SLC缓存用于处理新的写入数据,第二层TLC缓存在SLC缓存满载时启用。当SLC和TLC模式区域都满载时,AWT会在固态硬盘空闲时(即使是短暂空闲)将数据迁移到QLC模式。随着这一过程的持续进行,AWT不断将数据从SLC和TLC模式缓存迁移,并整合到QLC模式中。AWT还能动态调整SLC和TLC区域大小,确保广告容量的可用性。美光声称,与竞争对手的主流QLC和TLC固态硬盘相比,该技术实现了高达63%的顺序写入速度提升和49%的随机写入速度提升。
美光移动与客户业务部门执行副总裁兼总经理马克·蒙蒂尔斯表示:"美光2600 QLC固态硬盘的性能超越了竞争对手的主流TLC产品...这一美光创新里程碑为QLC NAND的更广泛商业应用铺平了道路。"
2600系列是一款无DRAM固态硬盘,搭载群联PS5029-E29T四通道控制器。它采用美光276层(G9)3D NAND制造的2Tb芯片,具有六平面架构和NVMe PCIe Gen 4×4接口。美光表示,该产品提供"目前客户端固态硬盘中最快的NAND I/O速率",在向2TB固态硬盘连续写入高达800GB数据时,"顺序写入速度提升达四倍"。美光声称,与其他无DRAM TLC和QLC固态硬盘相比,该产品具有更优的顺序和随机性能,在速度方面"轻松超越竞争对手的QLC和主流TLC固态硬盘"。
该产品提供512GB、1TB和2TB三种容量选择,随机和顺序性能以及耐久性指标都随容量增加而提升。
美光曾在2024年4月推出早期的QLC硬盘2500系列,具有相同的容量配置,但采用较早的232层3D NAND技术。在2TB级别上,其随机读写IOPS均为100万次,顺序带宽为读取7.1GBps、写入6GBps。2600系列的100万次随机读取IOPS、110万次随机写入IOPS、7.2GBps顺序读取和6.5GBps顺序写入性能相比之下提升并不显著,例如顺序写入速度仅提升7.7%。看起来AWT为2600系列相比2500系列带来的性能提升较为有限。2500和2600系列的SLC缓存大小尚未公开,较小的SLC缓存可能会对写入性能产生负面影响。
不过,耐久性方面的改进更为明显,2500系列2TB版本的600TB写入耐久性被2600系列2TB版本的700TB写入耐久性超越,提升幅度达17%。
美光AWT技术简报详细解释了AWT的工作原理,以及SLC、TLC和QLC区域边界如何在AWT处理过程中动态调整。
搭载AWT技术的2600系列目前正在美光OEM客户处进行认证,并非所有基于2600的固态硬盘都会使用AWT技术——美光也提供不含AWT技术的2600版本。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。