美光7450 NVMe SSD现已支持OCP 2.0
2022年10月20日,中国上海 — Micron Technology Inc.(美光科技股份有限公司,纳斯达克股票代码:MU)近日宣布为其 7450 NVMe SSD 推出符合“开放计算项目数据中心 NVMe SSD 2.0” (OCP SSD 2.0)规范的全新固件[1]。美光采用最新的 OCP 规范以实现智能管理,从而能够快速、主动地优化和解决常见的数据中心问题,同时为企业数据中心带来云数据中心级别的能力。7450 SSD在升级最新固件后,将继续提供业界最灵活的部署选项(包括 U.2/U.3、E1.S 和M.2 等外形尺寸)、更低的延迟和更高的服务质量。
美光副总裁兼数据中心存储业务部门总经理Alvaro Toledo表示:“数据中心运营商部署高服务质量的固态硬盘能够获得巨大的价值,同时能简化操作并加速问题的解决。作为存储行业的领导者,美光很自豪能够帮助各类规模的客户从中受益。此次升级将使云数据中心和企业数据中心运营商进一步加快产品上市时间,并降低运营成本。”
美光7450 SSD采用OCP SSD 2.0规范,能够提供智能化管理、性能优化、无缝集成和错误处理[2]。延迟监控可实现对延迟问题的跟踪、诊断和补救,帮助提高性能。
此外,管理指令允许对命名空间和安全等功能进行标准化控制,更容易与符合OCP规范的管理系统进行集成。7450 SSD的错误恢复和错误注入功能兼容OCP SSD 2.0规范,能够快速恢复硬盘并模拟数据中心中经常遇到的错误[3]。
此次里程碑式的升级将曾经专属于云数据中心的存储功能通过全球 OEM 厂商拓展至企业数据中心。美光7450 SSD拥有行业领先的外形尺寸选项,容量选择从400GB 到 15.36TB,并具有数据保护安全功能,是企业数据中心的理想之选。采用OCP SSD 2.0的美光7450 SSD现已向部分客户出货。了解详情,敬请访问micron.com/7450。
客户评价
HPE(Hewlett Packard Enterprise)未来存储架构师Paul Kaler表示:“HPE的计算类客户认为OCP规范具有诸多优势,企业和超大型数据中心利用核心固件能实现更多特性、更高质量,并快速获得由 HPE 和美光等公司引入市场的前沿功能。美光 7450 SSD支持 OCP NVMe 数据中心 SSD 2.0规范就是最好的例子。”
Meta 公司硬件系统工程师Ross Stenfort表示:“充满挑战性的超大型数据中心需求推动了行业创新,例如E1.S 外形规格以及OCP 数据中心 NVMe 2.0规范。美光7450 SSD支持E1.S和OCP 数据中心 NVMe 2.0规范,有利于促进超大规模数据中心领域的创新。”
微软Azure平台架构高级总监Jason Adrian表示:“微软Azure是超大规模云硬件设计和开源硬件开发模型的领导者。美光7450 SSD凭借云数据中心级别的性能和延迟,以及对OCP NVMe 数据中心 SSD 2.0规范的支持,帮助我们扩大了创新的影响力。”
[1] 关于>>开放计算项目—基于OCP数据中心NVMe SSD规范2.0第4.12节错误恢复以及附录C:datacenter-nvme-ssd-specification-v2-0r21-pdf (opencompute.org)的延迟监测。
[2] 关于>>开放计算项目—基于OCP数据中心NVMe SSD规范2.0第4.12节错误恢复以及附录C:datacenter-nvme-ssd-specification-v2-0r21-pdf (opencompute.org)的延迟监测。
[3] 关于>>开放计算项目—基于OCP数据中心NVMe SSD规范2.0第4.12节错误恢复。
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。