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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。