2022年4月8日,长江存储推出新款消费级固态硬盘产品致态TiPlus5000。该产品采用基于晶栈 2.0(Xtacking® 2.0)架构的长江存储第三代三维闪存芯片,支持PCIe Gen3x4接口、NVMe 1.3协议,顺序读取速度高达3500 MB/s,大幅提升PCIe Gen3平台用户在电竞、设计和视频制作等多元化应用场景下的使用体验。大容量足容设计、持久的写入寿命,给消费者带来更多存储选择。TiPlus5000将以新颗粒、新技术以及满满的诚意服务成熟平台用户。
长江存储推出致态TiPlus5000
数据显示,截止到2021年,94%以上用户电脑仍然使用PCIe Gen3接口的平台*。这些成熟平台依然能够满足用户对于计算性能的需求,也意味着PCIe Gen3固态硬盘仍将在很长一段时间内保持其主流的产品地位。但随着数据越来越多、游戏体积越来越大,用户对以经济有效的方式升级设备的需求也越来越高。为满足这一需求,TiPlus5000应运而生。
长江存储产品管理部负责人范增绪表示:“TiPlus5000作为致态品牌的新成员,按照国际原厂通用的标准与方法进行了大量的严格测试,来确保产品的可靠性、兼容性,是我们为PCIe Gen3这一成熟平台量身定做的高性能、原厂高品质的产品。而且,它采用长江存储第三代三维闪存芯片,充分发挥了晶栈 2.0(Xtacking® 2.0)架构的优势,以新颗粒、新技术、大容量、高性能、高性价比以及满满的诚意服务老平台用户。”
TiPlus5000
顺序读取速度高达3500MB/s,解锁PCIe 3.0峰值性能:TiPlus5000采用PCIe Gen3×4接口、NVMe 1.3协议,顺序读取速度高达3500 MB/s*,可大幅减少游戏加载、文件传输、视频及图片渲染的时间,提升用户使用体验。
长江存储第三代三维闪存芯片:TiPlus5000采用长江存储第三代三维闪存芯片,凭借对原厂颗粒的严谨测试和验证,能够为用户带来更高品质和性能。其单颗闪存芯片接口速度高达1600 MB/s,速度更快的同时写入寿命也很持久,2 TB高达1200 TBW。
晶栈 2.0(Xtacking® 2.0),让闪存潜能再释放: TiPlus5000的强大性能得益于晶栈 2.0(Xtacking® 2.0)架构,其创新技术可实现在两片独立的晶圆上加工外围电路和存储单元,使NAND拥有更高的I/O接口速度。
HMB设计、SLC Cache智能缓存,让性能如虎添翼:主机高速缓冲存储器设计(Host Memory Buffer)充分利用系统内存,让性能如虎添翼。模拟SLC Cache缓存,加速固态硬盘读写性能,大幅提升开机、应用程序与游戏加载、文件保存与传输速度。
智能温控,高效控制:配载Thermal Throttle, Power Management两大管理系统,实现高效温度和功耗控制,有效保障固态硬盘高速稳定运行。
广泛兼容,升级无忧:针对零售市场复杂的产品使用环境定制测试,TiPlus5000在不同使用环境中运行稳定。此外,单面颗粒设计和PCIe Gen3接口可广泛兼容,满足台式机、笔记本升级扩容需求。
大容量足容设计,随心选择:TiPlus5000拥有512 GB/1 TB/2 TB三种容量,满足不同容量需求,实现海量存储可能,让消费者尽情享受不同应用场景中的畅快体验。
范增绪还表示:“TiPlus5000的发布意味着致态又诞生了一款深刻洞悉消费者需求的产品,也是致态致力于贯彻‘用芯书写记忆,让世间美好长存’企业使命的证明。未来,我们将继续倾听和满足用户需求,推出更多创新产品。”
TiPlus5000已于今日在京东正式开启预售,关注致态的朋友们可在京东、微信、微博等平台搜索 “致态”了解更多相关信息。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。