云存储服务商Backblaze发现,其硬盘驱动器故障率在2025年第二季度有所下降,此前高故障率的驱动器故障频率明显减少。
该公司硬盘统计团队(Stephanie Doyle和Pat Patterson)表示,12TB希捷型号ST12000NM0007"上季度故障率高达9.47%,本季度降至仅3.58%"。该型号在2024年最后一个季度的故障率为9.72%。"其他显著下降的包括12TB HGST型号HUH721212ALN604(第一季度:4.97%;第二季度:3.39%)和14TB希捷型号ST14000NM0138(第一季度:6.82%,第二季度:4.37%)。"
两款希捷驱动器ST8000NM000A(8TB)和ST16000NM002J(16TB)在本季度零故障,其中8TB驱动器已连续三个季度零故障。
硬盘驱动器的终身故障率与上季度的1.31%整体故障率相比变化不大。
随着Backblaze采购更新更大容量的驱动器,其硬盘存储中的小容量驱动器正在老化。该公司拥有10款12TB或更低容量的硬盘产品,平均故障率为1.42%。公司指出:"这个年化故障率得益于一些表现良好的低故障率产品,包括两款4TB希捷型号(0.57%和0.40%)、12TB HGST型号HUH721212ALE600(0.56%)和12TB希捷型号ST12000NM001G(0.99%)。"
在容量规模的另一端,该公司拥有三款20TB或更大容量的drives:20TB东芝型号MG10ACA20TE、22TB西数型号WUH722222ALE6L4和24TB希捷型号ST24000NM002H。
公司指出,"无论从驱动器数量还是在存储池中的时间长度来看,现在为希捷和东芝型号创建明确趋势还为时过早……特别是希捷可能处于'浴缸'曲线的开始阶段,我们可能会看到它随时间变化。
另一方面,22TB西数型号的表现远低于我们当前所有尺寸和年龄驱动器池的平均年化故障率,而且它是拥有最多数据的型号。"
随后,该公司将20TB+驱动器随时间的整体故障率与14-16TB驱动器在相同时间段的故障率进行了比较。
存在显著差异,Backblaze表示:"从驱动器年龄对比来看,我们的20TB驱动器似乎正好达到目标,甚至可能比预期表现更好。但这绝对不是完美的比较,因为14-16TB驱动器拥有更稳定和更大的驱动器数量。"
结论是:"从数据中可以清楚看出,我们需要给20TB+驱动器时间成熟,随着我们(当然取决于我们的采购行为)增加更多驱动器,我们可能会在数据中看到一些有趣的变化。"
您可以访问Backblaze的硬盘统计页面查看完整的故障率数据。
评论:考虑到硬盘驱动器的复杂性、机械精密度、微小公差和24×7的活动频率,故障率如此之低确实令人惊叹。它们可能是有史以来大规模生产的最精密的高精度机电设备之一。
Q&A
Q1:Backblaze硬盘故障率在2025年第二季度有什么变化?
A:Backblaze发现其硬盘驱动器故障率在2025年第二季度有所下降。例如,12TB希捷型号ST12000NM0007从上季度的9.47%故障率降至3.58%,其他型号如12TB HGST和14TB希捷也都有显著下降。
Q2:20TB级大容量硬盘表现如何?
A:20TB级驱动器表现良好,特别是22TB西数型号表现远低于平均年化故障率。虽然样本数据还需要更多时间成熟,但从年龄对比来看,20TB驱动器正好达到目标,甚至可能比预期表现更好。
Q3:哪些硬盘型号在本季度实现了零故障?
A:两款希捷驱动器实现了零故障:ST8000NM000A(8TB)和ST16000NM002J(16TB)。其中8TB驱动器已经连续三个季度保持零故障记录,表现尤为突出。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。