64层TLC 3D NAND技术值得关注。
东芝公司的三款TLC数据中心SSD产品。
东芝公司正利用三款64层3D NAND产品扩大其数据中心闪存驱动器的销量。
这三款产品分别为CD5、XD5以及HK6-DC(东芝公司在企业级驱动器的命名方面显然比较随意),全部提供PCIe与SATA接口,外加2.5英寸及M.2两种尺寸。
东芝公司的闪存代工合作伙伴西部数据最近也公布了两款NVMe M.2驱动器,分别为SN720(256 GB至2 TB容量)与SN520(128 GB至512 GB容量)。与其它各类口香糖大小的M.2 SSD类似,二者皆定位为移动与边缘设备驱动器。但东芝方面则另辟蹊径,将二者定位为数据中心存储阵列或者服务器内的直连存储用途。
下面来看三款东芝新品的具体参数:
|
|
接口 |
外观尺寸 |
容量范围 |
前代产品 |
|
CD5 |
PCIe NVMe 1.3 |
2.5英寸 |
960 GB - 7.7 TB |
CM5 |
|
XD5 |
PCIe NVMe 1.2.1 |
M.2 |
1.9 TB - 3.8 TB |
XG5 |
|
HK6 |
SATA每秒6Gb |
2.5英寸 |
960 GB - 3.8 TB |
HK4 |
各产品的最高性能取决于实际存储容量,容量越大性能越强,下表所示为最高性能参数:
|
|
随机读取 IOPS |
随机写入IOPS |
连续读取MB每秒 |
连续写入MB每秒 |
|
CD5 |
50万 |
3万5千 |
3393 |
2076 |
|
XD5 |
24万 |
2万1千 |
2600 |
890 |
|
HK6 |
8万5千 |
未提供 |
550 |
未提供 |
下图所示为性能比较以及各产品针对读取密集型任务的优化效果:
最高性能数字
总而言之,三款产品在性能方面表现良好。以下为东芝公司为各产品作出的价格/性能定位:
东芝为三款数据中心SSD产品作出的市场定位。
东芝公司高管指出,他们希望彻底取代数据中心内的传统磁盘驱动器。那么是否包括东芝自家的磁盘驱动器呢?“不”,他们回答称; 这是另一回事。我们是东芝存储器集团,目前正接受贝恩资本牵头的联盟收购。
东芝方面认为这三款采用64层BiCS-3技术的产品在应用领域方面存在一定交集。
其中HK6的性能表现最差,因此其并不适用于大数据分析,但比较擅长作为归档用途。
根据我们得到的消息,东芝公司高管表示XD5主要面向需要Facebook级高速性能表现的数据中心系统,而且Facebook公司目前已经开始推广M.2类驱动器产品。此类客户要求我们为其构建一款塞满M.2驱动器的机架式机箱,将其作为一块巨大的整体式闪存驱动器,并提供强大的软件对容量及驱动器访问操作进行管理。
约264块驱动器即可提供1 PB闪存存储容量,但其功耗与散热可能会带来问题。那么,水冷SSD是否会因此而出现?
东芝公司并没有评论尺状SSD这一设计方案,意味着除了三星与英特尔之外,行业中的其它厂商还是更青睐2.5英寸与M.2两种外观尺寸。
HK6及其SATA接口明显回归了磁盘驱动器的接口设置,这将使其与各OEM与系统构建商的风格保持一致。不过从性能的角度来看,NVMe无疑代表着未来,而我们也期待着未来能够在CD5驱动器以及XD5当中见到NVMe over Fabrics接口的身影。
东芝公司正着手将其全部闪存产品升级至64层TLC(三级单元)NAND。接下来,他们将致力于开发96层闪存,其闪存芯片将能够带来额外32层实现的更多容量。此外,我们对于QLC(即四级单元)也抱有美好的期待。使用96层QLC闪存芯片的下一代HK6可能将带来6.3 TB的最大容量……确实非常可观。高速归档方案,我们来了!
好文章,需要你的鼓励
ChatGPT发布三年后,物理AI成为行业最新热词。物理AI是指在硬件中实现的AI系统,能够感知周围世界并进行推理以执行操作。与传统机器人不同,物理AI具备推理、行动和与环境交互的能力。智能眼镜是物理AI的典型代表,能够看到和听到用户所体验的内容。高通专家指出,AI可穿戴设备可以为机器人提供基于真实人类体验的高质量数据集,形成良性生态系统。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
来自加州大学伯克利分校和康奈尔大学的研究团队,通过分析130万篇学术论文发现,使用ChatGPT等AI工具的科学家论文产出平均提升40-60%,且英语非母语研究者受益最大。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。