希捷宣布其28TB和30TB Exos M数据中心硬盘和IronWolf Pro NAS硬盘在全球渠道正式发售,这两款产品均采用HAMR技术的传统记录方式。
HAMR(热辅助磁记录)技术使用激光临时加热高矫顽力位区域,降低其磁状态变化阻力,然后通过冷却实现比此前室温工作的垂直磁记录(PMR)技术更高的面密度。HAMR硬盘可以采用叠瓦式(部分重叠)写入磁道来提升容量,但会降低数据重写性能。
希捷还推出了采用SMR技术的32TB和36TB容量Exos M硬盘。IronWolf Pro系列不提供SMR版本。
希捷边缘存储和服务部门高级副总裁Melyssa Banda表示:"随着近150个国家采用数据主权要求,数据重力正越来越多地将网络拉向边缘,AI工作负载持续扩展。数据中心——无论是本地、私有还是主权数据中心——都在利用AI来释放其专有数据的价值。我们的30TB硬盘旨在支持这些快速增长的趋势,提供支持AI工作负载所需的容量、效率和可靠性。"
Exos M硬盘采用3.5英寸规格,转速7200rpm,内含10个充氦盘片,提供250万小时MTBF评级、5年有限保修和6Gbps SATA接口。希捷去年1月首次发布30TB Exos M。经过超大规模客户的长期验证和超过100万块HAMR硬盘的出货后,现已全面上市。
IronWolf Pro硬盘是Exos系列的变体,此前最大容量为24TB。现在借助HAMR技术提升至28TB和30TB容量级别。它们具有高达550TB/年的工作负载评级、250万小时MTBF和5年有限保修。
希捷将新的Exos M硬盘定位为边缘AI数据存储设备,"帮助组织扩展存储、优化数据放置并支持实时边缘分析,而不会影响性能或可持续性"。
公司补充道:"本地NAS系统正在演变为智能数据中心——支持视频分析、图像识别、检索增强生成(RAG)和边缘推理等高级工作负载。"希捷引用最新市场分析预测,在数字化转型以及AI和大数据分析兴起的推动下,全球NAS市场到2034年将以超过17%的复合年增长率增长。
希捷认为,在AI边缘应用中,机械硬盘与固态硬盘形成互补。公司引用了IDC机械硬盘和存储技术研究总监Ed Burns的话:"虽然通常不与低延迟等性能相关联,但最高容量的机械硬盘是AI开发过程中的关键战略资产,满足了存储构建和改进当今及未来市场最高质量AI模型所必需的基础数据的大容量存储需求。"
希捷引用HPE的边缘AI市场增长数据:"HPE预测本地AI市场将以90%的复合年增长率增长,三年内达到420亿美元。"
迄今为止,AI边缘市场尚未显著推动机械硬盘销售。
希捷的硬盘竞争对手目前正在追赶。西部数据的Ultrastar机械硬盘最高容量为26TB(CMR H590),并使用SMR技术达到28TB(HC680)和32TB(HC690)容量级别。其Red Pro NAS硬盘最大容量也为26TB。
东芝的叠瓦式MA11达到28TB级别,其传统记录的MG11硬盘容量为24TB。
希捷的硬盘产品网页提供了新硬盘的更多信息。Exos M和IronWolf Pro 28TB和30TB硬盘现已通过希捷在线商店以及全球授权经销商和渠道合作伙伴发售。
Exos M和IronWolf Pro 30TB硬盘定价599.99美元,相应的28TB产品定价569.99美元。英国定价略有不同:Exos M 30TB为498.99英镑,Exos M 28TB为478.99英镑。但IronWolf Pro 30TB为559.99英镑,IronWolf Pro 28TB为526.99英镑。
好文章,需要你的鼓励
科技专家Sungjoo Yoon在TED演讲中提出"偏好原理",认为了解用户喜好信息越多,就能创造更强大的技术。他将市场变化比作"地壳运动",从1969年命令行界面到80年代GUI,再到90年代网络界面,技术发展都遵循这一规律。自然语言处理能建立信任,而AI智能体时代的到来意味着非人类参与者将在人类主导的世界中发挥作用。
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。
微软推出了Copilot Vision AI新功能,该技术能够扫描和分析用户屏幕上的所有内容。这项AI视觉技术可以实时理解用户正在查看的信息,包括文本、图像和应用程序界面,为用户提供更加智能化的交互体验和个性化建议。此功能的推出标志着AI助手向更深层次的用户体验集成迈进。
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。