固态硬盘(SSD)每千兆字节(GB)的价格在过去两个季度中急剧上升。
与此同时,在机械硬盘方面,SAS硬盘驱动器(HDD)价格上涨,而SATA价格保持稳定,导致两者之间的价格差距进一步扩大。
此前业界预测SSD价格将上涨,因为制造商在长期过剩生产导致价格下跌后,正通过放缓生产来持续推高价格。
同时,SAS驱动器价格也有所上涨,而SATA机械硬盘每千兆字节价格保持稳定。净效应是SAS价格向上移动,与SATA价格差距拉大。
可能的原因包括类似的供过于求情况,随着制造商削减产能,这种情况正在得到缓解。此外,SAS是两种HDD类型中性能更强的,可能因人工智能大规模数据存储需求而有更大的市场需求。
在过去两个季度中,闪存驱动器价格(MLC、TLC和QLC)从每GB 0.079美元上涨至0.086美元,涨幅为8.8%。如果将QLC排除在外(由于数据样本量较小),价格上涨至每GB 0.093美元,涨幅达17.7%。实际情况可能介于两者之间。
同样在过去两个季度中,SAS机械硬盘每千兆字节价格从0.049美元上涨至0.051美元,涨幅略超4%。然而,全年来看,价格从0.041美元上涨至0.051美元,涨幅接近25%。
SATA驱动器价格(两种协议中性能较低的)保持稳定。SATA每千兆字节价格六个月前为0.035美元,现在为0.036美元。
SAS价格大幅上涨的原因同样在于制造商为帮助提升价格而减产,以及对性能要求较高的AI应用需求可能增加的历史。
需要注意的是,HDD在2025年仍然是数据存储的主导介质。
闪存价格在2023年底和2024年初触及天花板,当时制造商放缓生产以试图提高价格和盈利能力。SSD每千兆字节价格在2024年4月达到平均0.095美元,比2023年秋季上涨了26.67%。
当时,许多人认为SSD价格在2024年会达到更高水平,但虽然产量增加,客户需求却没有增长,价格反而下降。
这些数据来自Computer Weekly的独家分析,该分析每周从Amazon.com收集由Diskprices.com汇总的驱动器价格。自2023年3月以来,已收集了超过84,000个驱动器价格和规格,每周计算TLC、QLC和MLC/未指定闪存驱动器以及SAS和SATA机械硬盘的平均值。
Diskprices.com汇总从Amazon.com获取的新驱动器价格,每周处理超过700个磁盘价格和规格。数据然后按闪存和机械硬盘类型进行过滤,并计算每千兆字节的平均价格。
该分析基于Amazon.com的价格,主要面向消费者和中小企业客户,因此缺乏QLC闪存的大量代表性,而QLC主要针对需要顺序访问且提供更高密度的使用场景。
尽管如此,收集的大量数据有助于显示驱动器定价趋势。由于缺乏企业驱动器和存储阵列制造商的价格数据,我们在此将其用作驱动器价格的代理指标。
每千兆字节价格是客户的主要考虑因素,但驱动器生命周期内的总拥有成本同样重要,其中购买成本、能源使用和维护成本是关键因素。
收集的数据涵盖容量从不到1TB(太字节)到HDD的30TB和SSD的12TB的驱动器。
SSD单个驱动器购买成本高于机械硬盘,但维护成本通常较低。云存储提供商Backblaze发布其30万多个驱动器的可靠性数据。该公司发现其SSD在2023年中期的年故障率(AFR)为0.9%。此后Backblaze没有发布SSD的AFR统计数据,但对于HDD,2025年2月报告的2024年数据为1.57%。
Q&A
Q1:为什么固态硬盘价格会急剧上涨?
A:固态硬盘价格上涨主要是因为制造商在经历长期过剩生产导致价格下跌后,通过放缓生产来推高价格和提升盈利能力。在过去两个季度中,闪存驱动器价格从每GB 0.079美元上涨至0.086美元,涨幅达8.8%。
Q2:SAS和SATA硬盘价格差距为什么在扩大?
A:SAS硬盘价格在过去两个季度从0.049美元上涨至0.051美元,而SATA价格保持稳定在0.036美元左右。这主要是因为SAS性能更强,在人工智能大规模数据存储需求推动下市场需求更大,同时制造商也在削减产能来提升价格。
Q3:固态硬盘和机械硬盘哪个更可靠?
A:根据云存储提供商Backblaze的数据,固态硬盘的年故障率为0.9%,而机械硬盘的年故障率为1.57%。虽然SSD购买成本更高,但维护成本通常较低,总拥有成本需要综合考虑购买成本、能源使用和维护成本等因素。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构,模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路,指出应充分利用网络级协作来提升AI性能。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁",无法突破预训练的能力边界,而工具集成能打破这种限制,让AI获得全新的问题解决策略。团队还开发了ASPO算法,解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本,展现出三种新奇认知模式,为构建更强大的AI系统提供理论指导。