完成更名后的铠侠首次独立参展进博会,以先进的存储技术助力中国社会开启存储新时代
2020年11月6日,中国上海讯—存储解决方案领域的全球领导者铠侠株式会社(KIOXIA Corporation) 携其领先的创新存储产品组合于11月5日至10日正式亮相第三届中国国际进口博览会(以下简称“进博会”)。以“记忆由芯,世界尤新”为使命,铠侠(KIOXIA)在进博会向全世界展示了5G与通信、家庭与消费电子、物联网与工业、服务器与数据中心、汽车电子、个人存储六大领域的领先存储器解决方案。

作为全球领先的闪存厂商,此次是铠侠由东芝存储更名后的首次进博会之旅。自1987年发明NAND闪存产品,到2007年全球首发BiCS FLASHT 三维(3D)闪存,再到2015年全球最早量产48层3D闪存,铠侠的前身东芝存储器株式会社极大地推动了闪存技术的发展。2017年4月,东芝存储器株式会社从东芝株式会社剥离。2019年,东芝存储器株式会社正式更名为铠侠株式会社。独具特色的品牌名称融合了日语的“记忆(kioku)”和希腊语的“价值(axia)”二词,代表了公司“记忆由芯,世界尤新”的使命。新的品牌名同时代表着公司愿景的基石,即“以不断进化的记忆科技为核心,通过提供卓越的产品、服务和系统,让每个人的未来可期” 。
在全球新冠肺炎疫情的影响下,基于网络的会议、课程、医疗服务、游戏等在线服务需求激增。与此同时,由于5G、物联网和云计算等新兴科技的持续高速发展,数据存储和处理需求呈指数级增长趋势。随着中国新基建驶入发展“快车道”,中国数据存储市场也将在数据中心、工业互联网等领域迎来新一轮的增长机会。铠侠秉持 “在中国,为中国” 的信念,将不断探索记忆科技的可能性,提供满足数字社会新兴需求的存储产品,助力中国市场进入存储新时代。
铠侠电子(中国)有限公司董事长兼总裁岡本成之先生表示: “面对全球疫情的冲击,如期举办的进博会不仅为全球企业提供了展示品牌实力的绝佳平台与合作机会,也为整个市场注入了‘强心剂’。铠侠对中国市场的发展前景充满信心,此次也是去年10月由东芝存储更名以来,铠侠以全新品牌面貌首次亮相进博会。我们期待以进博会为契机,进一步深化与中国合作伙伴及消费者的交流,致力于长期深耕中国市场并将持续为中国社会做贡献。”
本届进博会,铠侠带来了多款面向企业、数据中心等关键领域的领先SSD产品,所有产品皆配备了铠侠自行开发的闪存、固件和控制器。CM6(PCIe Gen4)和PM6(SAS Gen4)系列企业级固态硬盘适用于需要高阶效能和可靠性的运算、服务器和储存系统;CD6系列数据中心固态硬盘采用最新的PCIe 4.0高数据传输带宽,适用于需要低功耗和高性能的服务器和云数据中心,通过断电保护提供数据保护功能,并通过加密技术选项增强安全性;XG6-P系列采用铠侠96层BiCS FLASH 3D TLC(3-bit-per-cell)闪存,适用于需要高速访问高容量数据的视频/CG内容制作、AI/机器学习应用、工作站和高端PC。
随着电动化、网联化、智能化成为汽车产业发展趋势,汽车电子领域对存储的需求持续攀升。铠侠可提供全系列的UFS和eMMC存储器,以满足在诸如自动驾驶辅助系统(ADAS)的路线设计判断、图像识别、远程信息处理等高级应用中日益提高的存储性能要求,增强驾驶体验。同时,铠侠的UFS和eMMC亦可支持宽温工作,满足AEC-Q100 Grade2要求。业界领先的UFS系列产品读写速度更高,响应更快,并且支持过热保护及扩展诊断等功能,可以为主机控制器提供更丰富的状态信息,具备汽车应用所需的高可靠性。
好文章,需要你的鼓励
计算机历史博物馆软件馆长Al Kossow成功恢复了上月在犹他大学发现的半世纪前磁带内容。UNIX V4是首个内核用C语言编写的UNIX操作系统版本,已从1970年代九轨磁带中成功恢复。现可从互联网档案馆下载并在SimH中运行。该版本包含约5.5万行代码,其中2.5万行为C语言,内核仅27KB大小。恢复过程使用了readtape程序采样原始磁通变化进行数据重建。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。