2022年7月25日,长江存储推出首款企业级PCIe 4.0 NVMe固态硬盘PE310系列,正式进入高端企业级固态硬盘市场。该产品是继消费级固态硬盘、嵌入式存储器之后,长江存储在存储系统解决方案领域的重要布局。
长江存储PE310系列基于晶栈®2.0(Xtacking®2.0)技术的第三代三维闪存芯片打造,采用U.2接口,PCIe 4.0, NVMe1.4协议,拥有读取密集型(1.92TB/3.84TB/7.68TB)和混合应用型(1.6TB/3.2TB/6.4TB)两种产品设计,具备高性能、高耐用等级、低功耗及多档位功耗与性能管理等特点,适用于大数据、云计算、流媒体等场景。
图:长江存储PE310
Forward Insights 首席分析师 Gregory Wong表示:“从2021年到2026年,企业级PCIe固态硬盘市场预计将以47%的复合年增长率增长,其中PCIe 4.0接口固态硬盘的复合年增长率为59%。目前U.2外形的固态硬盘占企业级 PCIe 固态硬盘市场的60%以上,采用主流 U.2 外形的PE310系列是一款引人注目的企业级 PCIe 固态硬盘,可部署主流企业数据中心、服务器等设备。”
长江存储在企业级存储市场坚定布局并持续投入以促进存储系统方案创新;结合对市场需求的洞察和持续技术研发,使PE310系列满足企业级市场的需求并拥有以下特点:
PE310系列固态硬盘的4K随机读、写稳态性能高达1000K IOPS、380K IOPS,其内部智能化调度机制能够对不同I/O进行及时处理,有效解决I/O拥塞,保证I/O服务质量及性能一致性。
得益于采用了晶栈®2.0技术的三维闪存芯片,PE310系列固态硬盘最大工作功耗为14W(1.92TB产品为12W),能效比领先业界同代产品。内置8级性能-功耗管理机制,提供弹性计算的灵活性,精确且方便客户针对不同场景进行能耗管理。
PE310系列固态硬盘支持LDPC纠错、全路径数据保护、增强掉电保护(PLP)、AES自加密、增强安全擦除(Sanitize)等功能,保障数据处于安全可靠的存储环境。
PE310系列固态硬盘支持 Telemetry 标准接口,用户通过标准nvmecli命令即可轻松获取设备日志,降低了运维成本,提高了访问效率。
PE310系列固态硬盘采用基于晶栈®2.0技术的第三代三维闪存芯片,稳定优异的颗粒品质能够支援数据中心和企业服务器7*24的平稳运行。
长江存储高级副总裁陈轶表示:“企业级固态硬盘是构建以云存储为核心的数字经济时代的基础设施,PE310系列的推出是长江存储对企业级存储市场的重要布局,标志着长江存储系统解决方案业务版图的完善。长江存储将继续致力于以晶栈®(Xtacking®)技术为依托,通过持续研发,打造优秀的系统存储产品,同时长江存储协同上下游合作伙伴,驱动云存储行业快速发展,共同构建数字经济新时代。”
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。