美光新推出的2600客户端QLC固态硬盘通过动态优化缓存技术,使QLC闪存实现了与TLC相当的写入性能。
NAND闪存根据单元位数有四种基本格式:SLC(1位)、MLC(2位)、TLC(3位)和QLC(4位)。更高的单元位数可降低成本,但会影响写入性能和耐久性。2600系列的自适应写入技术(AWT)通过建立两级缓存架构来提供TLC级别的写入性能:顶层SLC缓存用于处理新的写入数据,第二层TLC缓存在SLC缓存满载时启用。当SLC和TLC模式区域都满载时,AWT会在固态硬盘空闲时(即使是短暂空闲)将数据迁移到QLC模式。随着这一过程的持续进行,AWT不断将数据从SLC和TLC模式缓存迁移,并整合到QLC模式中。AWT还能动态调整SLC和TLC区域大小,确保广告容量的可用性。美光声称,与竞争对手的主流QLC和TLC固态硬盘相比,该技术实现了高达63%的顺序写入速度提升和49%的随机写入速度提升。
美光移动与客户业务部门执行副总裁兼总经理马克·蒙蒂尔斯表示:"美光2600 QLC固态硬盘的性能超越了竞争对手的主流TLC产品...这一美光创新里程碑为QLC NAND的更广泛商业应用铺平了道路。"
2600系列是一款无DRAM固态硬盘,搭载群联PS5029-E29T四通道控制器。它采用美光276层(G9)3D NAND制造的2Tb芯片,具有六平面架构和NVMe PCIe Gen 4×4接口。美光表示,该产品提供"目前客户端固态硬盘中最快的NAND I/O速率",在向2TB固态硬盘连续写入高达800GB数据时,"顺序写入速度提升达四倍"。美光声称,与其他无DRAM TLC和QLC固态硬盘相比,该产品具有更优的顺序和随机性能,在速度方面"轻松超越竞争对手的QLC和主流TLC固态硬盘"。
该产品提供512GB、1TB和2TB三种容量选择,随机和顺序性能以及耐久性指标都随容量增加而提升。
美光曾在2024年4月推出早期的QLC硬盘2500系列,具有相同的容量配置,但采用较早的232层3D NAND技术。在2TB级别上,其随机读写IOPS均为100万次,顺序带宽为读取7.1GBps、写入6GBps。2600系列的100万次随机读取IOPS、110万次随机写入IOPS、7.2GBps顺序读取和6.5GBps顺序写入性能相比之下提升并不显著,例如顺序写入速度仅提升7.7%。看起来AWT为2600系列相比2500系列带来的性能提升较为有限。2500和2600系列的SLC缓存大小尚未公开,较小的SLC缓存可能会对写入性能产生负面影响。
不过,耐久性方面的改进更为明显,2500系列2TB版本的600TB写入耐久性被2600系列2TB版本的700TB写入耐久性超越,提升幅度达17%。
美光AWT技术简报详细解释了AWT的工作原理,以及SLC、TLC和QLC区域边界如何在AWT处理过程中动态调整。
搭载AWT技术的2600系列目前正在美光OEM客户处进行认证,并非所有基于2600的固态硬盘都会使用AWT技术——美光也提供不含AWT技术的2600版本。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
莫斯科高等经济学院研究员尼古拉·斯克里普科开发了IFEval-FC基准测试,专门评估大语言模型在函数调用中遵循格式指令的能力。研究发现,即使是GPT-5和Claude Opus 4.1等最先进模型,在处理看似简单的格式要求时准确率也不超过80%,揭示了AI在实际应用中的重要局限性。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室联合多家机构推出MinerU2.5文档解析模型,仅用12亿参数就在文本、公式、表格识别等任务上全面超越GPT-4o等大型模型。该模型采用创新的两阶段解析策略,先进行全局布局分析再做局部精细识别,计算效率提升一个数量级。通过重新定义任务标准和构建高质量数据引擎,MinerU2.5能准确处理旋转表格、复杂公式、多语言文档等挑战性内容,为文档数字化提供了高效解决方案。