5月12日,东芝企业级存储在京举办新闻发布会,对外披露了2017年度东芝企业级存储的市场发展战略,其中最为引人注目的是东芝宣布继续针对15K rpm、10K rpm磁盘提供技术支持,与此同时,东芝对外发布了大容量企业级存储磁盘。
如今,企业存储数据呈现爆发式的成长,根据IDC预测,2020年全球数据存储需求将会达到44ZB的规模。如今,每一天的每一分钟,平均会有2.04亿邮件发布,Google会产生400万条搜索,Facebook会有246万Bit的内容信息分享,移动互联网、社交和物联网的应用,势必会进一步加剧数据存储的需求,有数据统计表明,现有的HDD、NAND、ODD、Tape等存储设备的能力之和是13ZB,其中,数据存储量为6.5ZB,与2020年44ZB需求相比,显然存在很大的市场空间。
针对数据需求的发展,东芝企业级存储制定了存储产品的发展战略。东芝电子(中国)有限公司副总裁Takanishi Masaki表示:在未来的市场上,HDD和SSD是一个同步协调发展过程,共同对于移动互联网、社交、IoT连接就业务提供支持。业务数据的发展会同时存进HDD和SSD的业务成长。因此,SSD和HDD不是一个替代关系,而是相互支持,互为补充的关系。
东芝存储产品事业部企业级硬盘行销部部长Fujimori Masafumi表示:SSD、10K rpm HDD和7200 rpm HDD,在$/GB的成本上快速接近,但毕竟还存在着台阶性质的差距,特别是受产能的限制,SSD在短期内还存在着不降反升的现象。应该说,SSD在性能以及延迟上优势明显,适合OLTP等业务需求的需要,但在容量和成本上,10K rpm和7200rpm HDD还有其固有优势,适合容量性业务的需要。
针对产品不同的业务特点,东芝策略是继续加大SSD、HDD等领域的研发投入,跟踪技术发展,与业务应用紧密结合。为此,东芝企业级存储不会放弃对于高端磁盘,如15K、10K rpm HDD的技术支持。与之相比,有些竞争友商放弃了高端磁盘的技术支持,但东芝企业级存储认为,高端磁盘会有其适用空间,因此不会放弃对其的技术支持。
针对手机等智能终端、车载、笔记本电脑、台式机、服务器、存储和数据中心,东芝企业级存储提供了全线产品支持,这些产品在市场上深受用户的欢迎。根据IDC数据,东芝是2016年增长最快的HDD和SSD供应商。
IDC 研究副总裁John Rydning表示:“东芝的HDD和SSD产品组合线种类十分丰富,使得他们能够进入几乎所有的存储设备细分市场,这是支撑东芝在2016 财年实现同比收入强劲增长的关键因素。接下来几个季度内能够满足云服务提供商和传统I T市场的需求,东芝在2017年的HDD和SSD收入有望继续保持良好的增长势头。”
在5月12日的新闻发布会上,东芝最新推出了MG05ACA 8TB的HDD产品,这是一款GMA技术的空气硬盘,其可靠性可以达到250万MTBF,是理想的企业级容量性硬盘。与上一代产品相比,新的8TB产品很好实现了性能和能耗的平衡,据悉,该产品目前已经投放市场。
东芝存储产品事业部企业级容量型和台式机硬盘业务部总经理Hashimoto Minoru表示,东芝企业级存储非常重视中国市场发展,承诺加大对于中国市场投入,全力支持并满足中国用户的需要。据透露,2018年一季度,14TB容量HDD新产品将会投放市场。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。