全新铠侠CD8P系列企业及数据中心NVMe固态硬盘支持E3.S和2.5英寸(U.2)两种标准外形规格设计,并针对其性能、延迟性和服务质量都进行了优化。
东京——全球存储器解决方案领导者的铠侠株式会社(Kioxia Corporation)今天宣布,铠侠数据中心级固态硬盘(SSD)产品线新增铠侠CD8P系列。铠侠CD8P系列能够利用PCIe®5.0(32GT/s x4)接口技术,可实现更好的企业级存储、通用服务器和云端环境加速,帮助数据中心大型虚拟化系统应对复杂的混合工作负载,并能够24小时全天候运行。铠侠CD8P系列的容量可达30.72 TB[1],提供符合企业和数据中心固态硬盘规范(EDSFF)E3.S,以及2.5英寸(U.2)两种标准外形规格。
与此同时,功率效率和散热性能表现,对数据中心服务器运行环境也至关重要。铠侠CD8P系列产品对性能、延迟性、降低功耗、散热性能进行了优化,旨在为数据中心服务器提供流畅无缝的用户体验中所需的可预测性和一致性。
铠侠CD8P系列固态硬盘与上一代PCIe 4.0固态硬盘相比,其顺序读取性能提高了约60%至80%,具体表现如下:
全新的数据中心级硬盘基于铠侠第5代BiCS FLASH™ 3D闪存TLC(三层存储单元)技术,并可根据客户需求定制铠侠专有的主控与固件。与此同时,铠侠CD8P系列固态硬盘设计符合PCIe 5.0和NVMe 2.0规范,支持NVMe管理接口(NVMe-MI™) v1.1d,并支持开放计算项目(OCP)数据中心NVMe SSD规范(按需提供支持)。
其他功能和优点包括:
铠侠CD8P系列硬盘现正在为选定的客户进行送样。
相关链接:
铠侠CD8P系列产品信息
https://www.kioxia.com/en-jp/business/ssd/data-center-ssd.html
注:
[1] 1.6TB到15.36TB的容量采用E3.S的外形规格。
1.6TB到30.72TB的容量采用2.5英寸的外形规格。
[2] 条件:4KiB块大小,4KiB对齐,100%随机。
[3] IOPS:每秒输入输出(或每秒I/O操作数)。
[4] 条件:4KiB块大小,4KiB对齐,QD = 32,100%随机,对于3200 GB至7680 GB容量100%读取。
[5] 条件:4KiB块大小,4KiB对齐,QD = 32,100%随机,对于3200 GB容量及以上70%读取。
[6] 安全/加密选项的可用性可能因地区而异。
容量的定义:铠侠定义1兆字节(MB)为1,000,000字节,1千兆字节(GB)为1,000,000,000字节,1兆兆字节(TB)为1,000,000,000,000字节。但是计算机操作系统记录存储容量时使用2的幂数进行表示,即定义1GB = 2^30字节= 1,073,741,824字节,1TB = 2^40字节= 1,099,511,627,776字节,因此会出现存储容量变小的情况。可用存储容量(包括各种媒体文件的示例)将根据文件大小、格式、设置、软件和操作系统(例如Microsoft®操作系统和/或预安装的软件应用程序)或媒体内容而异。实际格式化的容量可能有所不同。
读写速度可能因主机设备、读写条件和文件大小而异。
SIE:Sanitize Instant Erase可选型号支持加密擦除,这是INCITS(国际信息技术标准委员会)技术委员会(T10)所定义的标准化功能。
SED:自加密硬盘可选型号支持TCG Opal和Ruby SSC。它具有某些TCG Opal SSC的不受支持的功能。
PCIe是PCI-SIG的注册商标。
NVMe 和 NVMe-MI 是NVM Express,Inc.在美国和其他国家/地区的注册或未注册商标。
其他公司名称、产品名称和服务名称可能是第三方公司的商标。
本文中提供的所有信息如有更改,恕不另行通知。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。