随着存储市场的剧变,关于串行先进技术接口(SATA)驱动器接口衰落的新传言开始流传。尽管这一传言很快被辟谣,但种种迹象表明,这个广泛部署的用于连接存储设备与计算机主板的接口正在失去发展动力。
潜在的衰落传言始于上个月PC Gamer的一篇报道,称三星将在2026年逐步停止生产基于SATA的固态硬盘。根据IDC数据,三星在固态硬盘领域占据市场领导地位,拥有15%至18%的市场份额。
此前,美光已经结束了其消费级产品部门Crucial,转而专注于企业级产品。有消息称,三星也受到了与其他厂商一样的存储器短缺压力,正在结束消费级市场支持,转向利润更高的企业级市场。
其他消费级和游戏爱好者网站也转载了这一消息,但三星随后否认了相关报道。专家表示,无论这一传言是否属实,不可否认的是发展趋势明显偏向于NVMe而非SATA。NVMe已经成为主流至少十年了,采用更受欢迎的M.2规格,外形像口香糖条,可平放在主板上。
SATA驱动器采用2.5英寸塑料外壳,需要两根线缆,一根用于接口,一根用于供电。而M.2不占用额外空间,无需任何线缆。
性能差距更加明显。SATA III作为该规范的最新版本,最大传输速度约为550MB/s。NVMe使用更先进的PCI Express接口。PCIe 5.0的最大速度为16GB/s,尽管基准测试显示实际速度更接近14GB/s。
SATA 1.0接口于2003年首次亮相,由英特尔、戴尔以及希捷、迈拓等存储厂商组成的联盟开发。该技术在2009年快速发展到SATA III,但从未推出SATA IV。随着发展重心转向PCI Express和NVMe,SATA只是在边缘进行渐进式更新。
那么这个历史悠久的SATA接口还有生存空间吗?令人意外的是,分析师们给出了肯定的答案。TECHnalysis Research总裁兼首席分析师Bob O'Donnell表示:"从整体来看,消费级SATA基本上已经走到尽头,不过如果你需要存储TB级的照片和视频,它仍然是成本最低的选择。"
对于企业级应用,在大容量存储需求方面,希捷和西部数据等公司推出的20TB和30TB SATA驱动器在云数据中心的冷存储等应用中仍被广泛使用。"实际上,这两家公司都因为对这些大容量、高密度、低成本驱动器的需求而获得了创纪录的收入,"他说。
Enderle集团首席分析师Rob Enderle表示:"SATA已经没有太大意义了。它的性能明显不如NVMe。考虑到三星在NVMe上的利润率据称是SATA的三到四倍,继续生产SATA确实没有太大意义。"
与O'Donnell一样,Enderle也认为基于SATA的大容量硬盘仍有发展空间。"可能还会有传统制造商在一段时间内继续生产SATA产品。IT行业技术更新换代并不快速,而且SATA驱动器会损耗,因此可能还会有厂商在一段时间内继续生产传统SATA产品,"他说。
Q&A
Q1:SATA接口和NVMe相比有什么劣势?
A:SATA驱动器采用2.5英寸塑料外壳,需要两根线缆连接,而M.2不占用额外空间且无需线缆。性能方面,SATA III最大传输速度约为550MB/s,而NVMe使用的PCIe 5.0最大速度可达16GB/s,实际测试接近14GB/s。
Q2:SATA接口还有使用价值吗?
A:对于消费级市场,如果需要存储TB级的照片和视频,SATA仍然是成本最低的选择。企业级市场中,希捷和西部数据的20TB和30TB SATA驱动器在云数据中心的冷存储等应用中仍被广泛使用。
Q3:三星真的会在2026年停产SATA固态硬盘吗?
A:三星已经否认了相关报道。不过专家表示,无论传言是否属实,发展趋势明显偏向NVMe,因为三星在NVMe上的利润率据称是SATA的三到四倍,继续生产SATA确实意义不大。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。