在上周召开的Pure Accelerate大会上,这家新兴存储企业谈到如何向其NVMe访问型存储机架当中引入智能化要素。
Pure公司的全闪存阵列拥有一套双控制器设计,这两套控制器负责与非智能存储机架进行通信。这一思路的主要核心在于立足机架层级实现控制器智能,其中NVMe架构则负责将上层控制器智能与下层机架智能进行结合。
如此一来,存储机架即可处理驱动器上的操作,减轻这部分任务给上层控制器带来的负担,并允许机架本身完成更多常见操作任务--例如对接向上扩展规模更为可观的阵列。
这亦可能意味着两套控制器能够运行更多上层服务,例如文件系统等。此外,厂商甚至会考虑进一步增加控制器的实际数量。
作为一家同样计划推动NVMe架构技术的全闪存阵列供应商,Kaminario公司据称也在考虑以类似的方式将智能化要素引入存储阵列当中。
东芝与闪存工艺
东芝公司在本届Pure Accelerate大会上展示了其3D NAND发展路线图。根据尼古拉斯公司分析师兼总经理Aaron Rakers的说明,东芝方面谈到将堆叠层数提升至200左右。
目前东芝公司及其代工合作伙伴西部数据正凭借其BiCS技术打造64层3D NAND,并由此构建起一款512 Gb芯片。将层数提升三倍至192层,则意味着能够带来一款1.536 Tb晶片。如果双方再将存储单元尺寸加以进一步缩减,那么容量水平还将达到新的高度。
东芝公司的XG5 NVMe M.2驱动器采用这款芯片,并在其NVMe M.2版本当中分别提供256 GB、512 GB与1 TB容量选项。西部数据公司的蓝盘SSD同样使用此款芯片,并将容量提升至2 TB级别。
如果将该芯片的容量提升三倍,即由512 Gb到1.5 Tb,则意味着XG5技术在容量上可增长至3 TB,而西部数据的蓝盘SSD则将增长至6 TB。
东芝方面还谈到其四层单元(即QLC)技术,并表示QLC 3D NAND芯片即将来临。我们再据此进行计算--目前的XG5与西部数据蓝盘驱动器采用TLC(即三层单元),如果将其变更为QLC驱动器,则容量还能够提升三分之一。
如此一来,一款QLC、192层XG5将拥有4 TB容量,同样的西部数据蓝盘SSD则将拥有8 TB容量。这些QLC驱动器的写入寿命将较为低下,因此只适用于所谓主动访问归档类应用。
再回到Pure公司--假定Pure公司也会在其阵列当中采用NVMe架构与QLC闪存这一组合,那么也许将由此诞生出一款主动归档FlashBlade阵列方案。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。