今天,长江存储举办了线上发布会,推出针对终端消费者不断增长的需求而倾力打造的新款消费级固态硬盘产品——致态TiPlus7100。该产品采用基于晶栈® Xtacking® 3.0架构的长江存储新一代TLC闪存颗粒,支持PCIe Gen4x4接口,无缓存设计方案,拥有2400MT/s的单颗芯片接口速度,与上一代相比提高50%,使四通道方案可实现高达7000 MB/s的顺序读取速度。
致态TiPlus7100
致态TiPlus7100的诞生源自致态品牌对个人电脑用户需求的深刻理解,无论在速度、容量、还是可靠性及兼容性上均有上乘表现且兼顾经济效益,是一款能够满足用户在电竞、设计和视频制作等多元化、高性能应用场景下实际需求的“全能型”固态硬盘产品。
线上发布会采用科技宇宙元素,以一场创新的探寻“致”旅,邀请广大用户和媒体随“致态号探索战舰”共赴宇宙深处,寻找 “六大存储原石”,见证全能固态硬盘战士致态TiPlus7100的诞生!发布会上,致态官方战略合作伙伴、英雄联盟明星战队JDG祝贺致态TiPlus7100的上市并对新产品将为广大电竞玩家带来的更好体验充满期待。
致态官方战略合作伙伴JDG祝贺致态TiPlus7100上市
长江存储致态品牌负责人刘舒雯表示:“致态品牌持续关注市场动向和年轻消费群体的需求变化,我们注意到,在个人电脑用户中涌现出越来越多的视频内容创作者、游戏玩家、DIY玩家,他们既对设备的性能有较高要求看重创新技术带来的出色体验,也倡导理性消费兼顾经济效益。基于这些深刻洞察,致态TiPlus7100应运而生。它采用基于晶栈® Xtacking® 3.0架构的长江存储新一代TLC闪存颗粒,充分发挥高性能、原厂高品质产品的特性,以高速、高效、经济、足容、耐久、兼容六大出色表现满足不同用户在多元化应用场景下的需求,全面提升使用体验,为用户提供更丰富的选择。”
致态TiPlus7100
晶栈® Xtacking® 3.0架构,I/O速度跃升50%:采用长江存储晶栈®Xtacking® 3.0架构,拥有高达2400MT/s 的单颗芯片接口速度,与上一代相比速度提高50%,可轻松实现大型游戏场景切换和画面加载的流畅度,网络游戏多人同步在线对于硬盘I/O能力的高要求,以更高传输速度、更高存储密度满足游戏发烧友和电竞玩家的需求。
疾速纵享PCIe4.0,四通道方案读速高达7000MB/s:以无缓设计方案,实现高达7000MB/s的顺序读取速度,可高效完成游戏加载、素材导入、视频剪辑、渲染等制作过程,令用户疾速纵享PCIe Gen4.0×4通道饱和性能体验。
HMB及SLC Cache技术,进阶超值之选:采用HMB机制,即使无缓存设计也能带来高效运转,使固态硬盘兼具性价比优势。此外,配置SLC Cache智能缓存,让电脑开机、应用程序与游戏加载、文件保存与传输等高速运行告别卡顿,是Gen4的新锐之选。
长江存储新一代TLC闪存颗粒,高品质足容设计:用长江存储新一代TLC闪存颗粒,原厂颗粒、高品质足容设计,提供512GB、1TB、2TB多种版本,为用户带来多种选择和更高的数据存储价值。
写入持久,可靠耐用:写入寿命持久,2TB版本最高可达1200 TBW(总体写入量)以及150万小时MTBF(平均无故障时间) ,且提供5年质保,为用户提供可靠耐用的性能保障。
单面PCB,广泛兼容:采用M.2 2280单面PCB设计,其灵活的兼容性可全方位支持Gen4及大部分Gen3系统,并满足PS5、笔记本、台式机等设备的升级扩容需求。
致态TiPlus7100固态硬盘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。(致态TiPlus7100 1TB版本京东购买页面,请访问:
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。