如今一提到8K 10bit HDR这类的视频录制,最先考虑的就是只能使用价格昂贵的CF express存储卡。因为CF卡如今已经可以支持PCIe总线和NVMe协议,和我们使用的SSD固态硬盘在同一起跑线。反观SD存储卡还正处在最高UHS-II阶段,两者在性能上有着非常大的差距。
为了补足SD存储卡在性能方面的短板,SD协会就开始布局新的SD Express规范,以达到提升SD存储卡性能的目的。随即SMI慧荣科技针对该规范发布了旗舰型SM2708 SD Express控制器解决方案,该解决方案支持最新 SD 8.0 规范并兼容UHS-I规格,用户可以与最新的SD Express卡技术无缝衔接。
SM2708 SD Express控制器解决方案采用PCIe Gen3 x2 接口及NVMe 1.3规范,并支持最新一代 3D NAND,搭载慧荣科技独有的 NANDXtend® ECC 技术、数据路径保护和可编程固件,可大幅提高3D NAND 的可靠性和耐用性,完美提供超高性能来满足各行业对数据存储性能要求严苛的应用需求。
目前威刚科技已经与慧荣科技进行了深度定制,推出了基于SM2708主控的ADATA 512GB SD Express存储卡,接下来笔者就通过测试来看看SM2708主控的性能如何。
为了能够彻底发挥出SM2708主控的性能,我们选择了瑞昱半导体RTL9211DS主控制芯片的读卡器,也是最新一代支持SD8.0/SD7.1协议的读卡器,由于还未上市,所以笔者拿到的也是工厂内测款。
据了解,瑞昱RTL9211DS主控制器是业界唯一支持PCIe ASPM主动电源状态管理协议的方案,能有效降低SD8.0/SD7.1记忆卡使用时所产生的热功耗,提供系统更加稳定、可靠的存储环境。
通过大家都比较熟悉的CrystalDiskMark测试,能够看出基于SM2708主控的威刚ADATA SD Express存储卡顺序读取速度达到845MB/s,顺序写入速度也高达748MB/s,性能表现非常优秀。
AS SSD Benchmark是测试固态硬盘的专用软件,相对传统SD卡很少用该软件。不过目前SD Express存储卡同样也是基于PCIe总线和NVMe协议,所以还是有很大参考意义的。从测试成绩来看,总分1358分已经与主流桌面SSD性能不相上下,尤其是小文件的4K 64队列深度下,写入性能达到740MB/s,完全可以作为笔记本的扩展硬盘使用。
在实际文件拷贝测试中,分别测试了威刚ADATA 512GBSD Express存储卡的读取和写入能力。测试文件为《星际穿越》的高清蓝光版片源,容量大小接近18GB。
当文件从存储卡拷贝到电脑桌面时,反映的是存储卡的读取性能。使用FastCopy软件完成拷贝后,看到读取速度达到812MB/s,仅用时22秒就完成了拷贝,这样的性能确实令人大跌眼镜。
再降文件从桌面拷贝到存储卡后,FastCopy软件显示为拷贝速度581MB/s,写入时间为31秒,同样性能出众。
观点总结:
通过测试不难看出,慧荣科技发布的SM2708主控新品将SD存储卡的性能提升到前所未有的新高度,可以媲美固态硬盘的读写速度可以应对未来更高端的相机、汽车存储及其它需要超高数据存储等应用。
并且SD Express存储卡也给移动硬盘领域提供了新的方向,能够将产品更加迷你化,提升便携性,同时又具备很高的读写速度,相信未来基于SM2708主控的存储卡会很快获得市场认可,不断引领SD存储介质向更高速和更大容量发展。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。