对于NAND闪存存储来说,2023年可谓过山车般跌宕起伏的一年。随着周期性衰退的结束,闪存出货量先是下降,而后又快速恢复。供应开始通过扩展3D层数和QLC闪存来提高成本效益,但PLC及其他更激进的每单位高bits闪存却令人失望。
2023年伊始,一众NAND制造商因供应过剩、需求疲软而收入低迷。但随着产量削减和客户逐渐耗尽现有库存,市场需求又开始再度攀升。
NAND代工制造商通过进一步提升3D NAND层数来打造更高容量的闪存芯片,借此降低了每GB闪存生产成本。因此在2023年中,我们见证了这波从218层起步的闪存层数升级。

美光232层NAND示意图。
各大厂商均开始单独制造NAND控制逻辑,并将其放置在芯片的底部或顶部。
标准SSD使用TLC(三层单元)闪存,但SK海力士子公司Solidigm和长江存储等厂商则专注于开发QLC(四层单元)NAND,并通过超额单元配置和更好的写入周期管理功能来补偿QLC较低的写入周期寿命。
DDN、NetApp和VAST Data等存储阵列供应商利用QLC闪存以更低的每TB成本带来更高的全闪存阵列容量,这也让SSD阵营能够更好地与磁盘驱动器阵列展开竞争。
继2022年的尝试之后,今年各大闪存厂商都没有发布关于五层单元(每单元5 bits)乃至更进一步的技术公告。这样的层数设计似乎缺乏现实意义,因为6层和7层技术需要配合低温冷却,且写入寿命和读取速度也会随之下降。
这一年中,SSD存储容量有所增长,超过了磁盘驱动器容量,其中Solidigm处于领先地位。作为SK海力士的子公司,Solidigm推出了采用QLC闪存的61.44 TB D5-P5336 SSD产品。相比之下,其他SSD厂商的最大驱动器容量也仅在30 TB上下。但无论如何,这样的容量水平也仍然领先于磁盘驱动器。截至2023年底,采用传统记录技术的磁盘驱动器容量仅为24 TB,而通过牺牲写入速度换取容量的叠瓦记录技术也不过将容量提升至28 TB(来自西部数据)。而且在2024年内,我们可能会看到来自其他厂商以及Solidigm的更多60+ TB SSD。

采用EDSFF E1.S外形设计的Solidigim D5-P5336 SSD。
EDSFF外形尺寸开始出现,但其流行程度还不足以取代经典的M.2(口香糖式)与U.2(2.5英寸托架式)外形。
此前西部数据则有意收购或兼并其NAND合资伙伴铠侠,但最终未能顺利完成。作为通过贝恩财团对铠侠进行投资的出资方,SK海力士对这项并购计划表达了强烈反对。
西部数据今年计划将其磁盘驱动器与NAND晶圆代工/SSD业务拆分开来。
来自中国的长江存储在这一年中成功克服了美国的技术出口障碍,生产出232层NAND。如果能够延续这波良好势头,那么2024年内与铠侠和西部数据一道发布300层以上NAND技术也在情理之中。目前,铠侠与西部数据的BiCS 8技术已经达到218层的水平,但三方均落后于美光、三星和SK海力士。而如果不出意外,铠侠和西部数据在2024年内应该会公布BiCS 9 NAND计划并成功突破300层大关。
好文章,需要你的鼓励
微软宣布未来四年将在阿联酋投资152亿美元,包括首次向该国运输最先进的英伟达GPU芯片。美国已授权微软向阿联酋出口英伟达芯片,使该国成为美国出口管制外交的试验场和地区AI影响力锚点。这笔投资包括2023年以来的73亿美元支出和2026-2029年的79亿美元计划投入,涵盖数据中心建设、人才培训和AI基础设施扩展,目标到2027年培训100万当地居民。
德国于利希超级计算中心研究团队通过两千多次实验发现了AI模型训练的神奇规律:无论模型大小和数据量如何变化,最优训练配置总是对应同一个特定数值——输出层算子范数约为128。这一"范数传递"现象为AI训练提供了可靠的理论指导,并揭示了具体的缩放法则,能够显著提高训练效率、降低成本。研究还发现分层学习率优化可带来6%性能提升,为AI训练的民主化做出重要贡献。
OpenAI与亚马逊云服务签署七年380亿美元协议,在微软Azure之外增加另一个超大规模云服务商来满足其不断增长的AI计算需求。该协议将让OpenAI立即获得AWS EC2 UltraServers访问权限,计算能力将在未来七年内扩展至数千万个CPU。AWS还将为OpenAI构建基于英伟达Blackwell芯片的定制基础设施。尽管签署了这一大额协议,OpenAI仍将继续依赖微软Azure作为其主要云计算合作伙伴。
帝国理工学院团队开发的MoME系统将稀疏专家混合机制与多粒度表示学习相结合,创造出能够动态调整处理精度的音视频语音识别框架。该系统如同智能变速箱,可根据资源情况在同一模型中灵活切换不同性能模式,在保持高准确性的同时大幅减少计算开销,特别适合移动设备等资源受限场景。