2022年6月23日,长江存储推出新一代商用固态硬盘——PC300系列产品。该产品是长江存储针对新一代全场景应用需求开发的PCIe 4.0 NVMe M.2固态硬盘,可灵活适配笔记本、超薄本、二合一电脑、台式电脑、IoT/嵌入式设备及服务器等终端,满足全场景存储应用需求。
Forward Insights数据显示:消费级PCIe 4.0 固态硬盘市场正处于爆发式增长阶段,出货量年复合增长率高达86% ;预计到2024年,其市场份额将增长至94%。

图:长江存储PC300, M.2 2242(上)与M.2 2280(下)
长江存储产品管理部负责人范增绪表示:“长江存储致力于以新技术为存储市场赋能,持续丰富商用固态硬盘产品线。继PC005、PC210之后,长江存储推出PC300系列固态硬盘以满足不断激增的PCIe 4.0 固态硬盘市场需求。该产品依托长江存储创新的晶栈(Xtacking®)架构,为商用电脑提供灵活高效、安全稳定的数据存储。”
PC300系列固态硬盘产品采用长江存储第三代三维闪存芯片,支持PCIe 4.0、NVMe 1.4等接口协议,其顺序读取速度最高可达3,900 MB/s,最高工作功耗低于5W,采用无缓存设计,支持HMB。同时,PC300提供256GB、512GB、1TB三种容量和M.2 22 x 42mm和22 x 80mm两种尺寸,能够灵活满足商用办公、娱乐等需求。
业内著名分析机构Forward Insights分析师Gregory Wong表示:“ PC300固态硬盘采用长江存储最新的闪存芯片技术,能够为众多功耗敏感型应用,提供高性能、高性价比的存储解决方案。”
长江存储在产品设计和研发上持续创新,使PC300具有以下产品特色:
PC300以最高可达3,900 MB/s顺序读取速度和2,800 MB/s的顺序写入速度在性能上领先同级产品。同时工作功耗维持在5W以下,支持低功耗模式,有效减少发热,提高笔记本电脑使用舒适度,同时增加续航时间。
PC300支持LDPC纠错,全路径数据保护,可保障数据处于安全可靠的存储环境中。
PC300采用HMB(Host memory buffer,主机内存缓存)方案配合SLC缓存机制,可有效保障性能并助力商用电脑降低总拥有成本。
PC300采用搭载长江存储创新的晶栈(Xtacking® )2.0技术的第三代三维闪存芯片打造。新一代晶栈(Xtacking® )2.0技术可为三维闪存提供更快的I/O传输速度、更高的存储密度和更灵活的产品上市时间。
长江存储市场营销负责人Alex Wang表示:“此次推出的PC300系列产品,通过了主流及前沿平台的测试和验证,已正式推向市场。未来我们将持续丰富产品,为合作伙伴提供灵活高效、安全稳定的存储方案和服务,助力他们为用户打造一流的终端产品。”
更多相关消息,请访问YMTC官网进行深入了解。
注:
① 本材料中所涉及的数据均为长江存储内部测试结果。性能根据测试配置、固件版本的不同可能有所差异。
② 存储产品出厂的容量通常是按照1MB=1,000KB,1GB=1,000MB,1TB=1,000GB计算。可访问的总容量将因操作系统而有所差异。
关于长江存储
长江存储科技有限责任公司成立于2016年7月,总部位于武汉,并在北京、上海、深圳等地设有研发中心及销售服务网点。长江存储是一家专注于3D NAND闪存设计制造一体化的IDM集成电路企业,除嵌入式存储芯片,长江存储还面向全行业客户提供商用级、企业级与消费级固态硬盘产品和完整的系统解决方案,广泛应用于移动通信、消费数码、计算机、服务器及数据中心等场景。
好文章,需要你的鼓励
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准,旨在让AI智能体自动化整个购物流程,从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发,支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具,优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。