三星電子近日表示全球首次量產企業(yè)級3bit固態(tài)硬盤,全面引領半導體行業(yè)進入3bit 固態(tài)硬盤時代。
三星電子憑借2012年在全球首次量產個人電腦用3bit固態(tài)硬盤,開拓3bit固態(tài)硬盤市場之后,從本月起將正式大規(guī)模量產企業(yè)級3bit固態(tài)硬盤,推動固態(tài)硬盤市場由2bit向3bit轉變,提前開啟固態(tài)硬盤大眾化時代。
此次推出的3bit固態(tài)硬盤搭載了10納米級128Gb容量的3bit NAND型閃存,擁有與2bit固態(tài)硬盤同等的性能和品質。隨著3bit固態(tài)硬盤的量產,三星電子成功實現(xiàn)了該產品從個人電腦到數(shù)據(jù)中心等高端市場的全面滲透。企業(yè)級3bit固態(tài)硬盤PM853T提供包括240,480和960GB在內的三個容量配置。
三星電子自從2012年推出高性能3bit固態(tài)硬盤(840 SSD 系列)之后,直至今日仍是業(yè)界唯一一個量產3bit固態(tài)硬盤的公司,并在不斷的擴大固態(tài)硬盤業(yè)務。其產品現(xiàn)已席卷世界超薄筆記本市場,并在去年成為固態(tài)硬盤市場占有率第一世界品牌。而今年,則更將進入新一代大規(guī)模數(shù)據(jù)中心市場。
三星電子存儲芯片事業(yè)部戰(zhàn)略營銷部門負責人全永鉉副總裁表示:"繼個人電腦市場之后,高性能3bit固態(tài)硬盤又進一步邁入數(shù)據(jù)中心市場,在今年正式開啟了3bit固態(tài)硬盤的大眾化時代。今后三星電子將向全球IT顧客適時提供高投資效率的新一代大容量固態(tài)硬盤,進一步推動市場更快速的發(fā)展。"
據(jù)市場調查機構iSuppli 預測,固態(tài)硬盤的全球市場規(guī)模將從2013年的94億美元擴大到今年的124億美元左右,增幅達到30%以上。而2017年則預計突破200億美元,持續(xù)保持高速增長。
今后,三星電子將加強與全球數(shù)據(jù)中心以及服務器客戶間的技術合作,力爭推出比SATA 3bit 固態(tài)硬盤更快的新一代SAS 3bit固態(tài)硬盤產品,從而形成涵蓋SATA, SAS以及 NVMe PCIe 等接口規(guī)范的固態(tài)硬盤系列產品群,繼續(xù)提升其在高端市場的地位。
參考資料
三星電子全球首次量產3bit 固態(tài)硬盤沿革 (第一代~第三代)
- 2012.9 500GB 840 (個人電腦用,20納米級64Gb 3bit MLC)
- 2013.7 1TB 840 EVO (個人電腦用, 10納米級128Gb 3bit MLC)
- 2014.3 960GB PM853T (企業(yè)級,10納米級 128Gb 3bit MLC)
企業(yè)級3bit固態(tài)硬盤性能
- 連續(xù)讀取速度 530MB/s 連續(xù)寫入速度420MB/s
- 隨機讀取速度 90,000 IOPS 隨機寫入速度14,000 IOPS
企業(yè)級 3bit 固態(tài)硬盤技術成果
- 對大規(guī)模數(shù)據(jù)中心和云計算服務器十分重要的隨機性能和 QoS (Quality of Service)均達到現(xiàn)有2bit固態(tài)硬盤同等水平。
固態(tài)硬盤市場規(guī)模預測
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。