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
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。