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
英特尔CEO陈立武警告,除非有"重要外部客户"保证利润,否则可能停止14A半导体制程投资。他表示,英特尔18A前的制程可仅靠自有产品获得合理回报,但14A制程的资本成本增加,需要外部客户才能实现可接受回报。如果实施这一决定,可能意味着英特尔无法继续遵循摩尔定律,这对半导体行业将产生深远影响。
浙江大学团队开发的LAPO方法成功解决了AI推理模型"过度思考"问题,通过两阶段训练让AI学会根据问题复杂度自主调整推理深度。实验显示该方法将计算用量减少40.9%的同时准确率提升2.3%,为AI系统的智能化和实用化发展提供了重要突破。
Dispo社交网络和约会应用Teaser AI联合创始人Daniel Liss创立了钢铁制造公司Nemo Industries。该公司计划利用AI技术优化生铁生产,并自建熔炉设施。Liss认为从创立之初就使用AI的公司将比竞争对手拥有20%-30%的利润优势。公司此前已融资2820万美元,目前正与现有投资者洽谈1亿美元A轮融资,并获得两个南方州超过10亿美元的激励措施承诺。
本研究提出了首个针对视觉自回归模型的测试时缩放框架TTS-VAR,通过自适应批次管理、聚类式多样性搜索和重采样式潜力选择三大策略,将AI图像生成质量显著提升8.7%。该框架巧妙地将生成过程视为路径搜索问题,在早期保持结构多样性,后期进行智能选择,实现了计算效率与生成质量的双重优化,为视觉生成技术发展提供了新思路。