Micron 宣称其最新的企业级客户端 SSD——面向 AI PC、游戏玩家和专业用户的 PCIe 5.0 4600,其读取速度是其前代产品 3500 的两倍。
这些采用胶棒形态 (M.2) 的驱动器面向 OEM 厂商和企业系统经销商,这与 Micron 旗下面向发烧友和游戏玩家的 Crucial 消费者品牌的 T700/705 和 P510 PCIe 5.0 M.2 驱动器形成对比。T700 和 T705 采用 Micron 第 8 代 232 层 TLC NAND,而 P510 则使用更新的第 9 代 276 层产品,同样采用 TLC 格式。
回到企业市场,3500 是一款使用较慢的 PCIe 4.0 总线的 232 层 TLC 产品,其速度是 PCIe 5.0 的一半,顺序读写带宽最高可达 7GB/s。Micron 现在推出 4600 型号进行更新,采用更高密度的 TLC NAND、276 层和 PCIe 5.0 总线,与 P510 类似,可提供高达 14.5GB/s 的读取和 12GB/s 的写入带宽。可选容量为 512GB、1TB、2TB 和 4TB。它能够提供 2,100,000 IOPS 的随机读写性能,并具有较低的延迟:读取 50μs,写入 12μs。
Micron 客户端存储部门副总裁兼总经理 Prasad Alluri 表示:"使用 4600 NVMe SSD,用户可以在不到一秒的时间内加载大语言模型,为数据密集型应用提供 PC 体验,特别是在 AI 方面。随着 AI 推理在 PC 本地运行,转向 Gen5 SSD 可以满足对更高性能和能效的需求。"
在使用 SPECwpc 基准测试的各种应用工作负载中,其性能平均比 3500 产品高出 50% 以上。
功耗数据如下: 睡眠状态:<3.5mW 空闲状态:<150mW 读取状态:<8,500mW
该产品具有一系列安全功能:AES-256 加密、TCG Opal 和 Pyrite、签名固件和引导、安全协议和数据模型 (SPDM)、数据对象交换 (DOE) 和设备标识符组合引擎 (DICE),所有这些都有助于为用户数据提供更好的保护。
三星和 SK 海力士也生产竞争性的企业级 M.2 格式 PCIe 5.0 驱动器。三星 PM9E1 提供高达 14.5GB/s 的顺序读取和 13GB/s 的顺序写入速度,使其略快一些。SK 海力士的 Platinum P51 同样针对 AI PC 市场,具有相似的性能:读取速度为 14GB/s,写入速度为 12GB/s。
根据韩国 SE Daily 的报道,Micron 可能正在与 SK 海力士和 NVIDIA 共同开发用于 AI PC 的新型 SOCAMM (System On Chip Advanced Memory Module) 内存格式。这个由 NVIDIA 推动的计划将使用 LPDDR5X DRAM 来替代使用 DDR4 或 DDR5 内存的 SODIMM 模块。报道称 SOCAMM 将是一个可拆卸的大指甲大小的产品,允许升级,并具有 694 个端口,而普通 PC DRAM 模块约有 260 个端口。这意味着其数据 I/O 带宽将更大,并支持在 AI PC 上运行的 AI 模型。
好文章,需要你的鼓励
新创公司Germ为Bluesky社交网络推出端到端加密消息服务,为用户提供比现有私信更安全的聊天选项。经过两年开发,该服务本周进入测试阶段,计划逐步扩大测试用户规模。Germ采用新兴技术如消息层安全协议和AT协议,无需手机号码即可实现安全通信。用户可通过"魔法链接"快速开始聊天,利用苹果App Clips技术无需下载完整应用。
这项研究由哈佛大学团队开发的创新框架,解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束,使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明,该方法在多个真实数据集上既保障了隐私,又显著提升了模型公平性,为医疗、金融和政府等领域的数据协作提供了实用解决方案。
高通公司宣布正在与领先的超大规模云服务商进行深度合作谈判,开发专用于数据中心的CPU产品。CEO阿蒙表示,公司正在开发通用CPU和推理集群产品,预计2028财年开始产生收入。同时,高通面临三星在高端智能手机市场的竞争压力,三星计划在2026年推出采用2纳米工艺的新款Exynos处理器。高通Q3财报显示营收增长10%至103.5亿美元,净利润增长25%。
Meta AI研究团队开发的ALOHA系统是一种低成本开源的双臂机器人远程操作平台,旨在使机器人学习更加民主化和普及化。该系统结合了价格亲民的硬件设计和先进的行为克隆学习算法,使机器人能够从人类示范中学习复杂技能。研究表明,ALOHA系统展示了强大的泛化能力,能够在新环境中应用所学技能,如打开不同类型的瓶子。系统的开源性质鼓励全球研究者参与并推动机器人学习领域的发展,尽管仍面临成本和精确力控制等挑战。