SSD на 128 ТБ могут получить почти двойной полезный объём без роста числа NAND-чипов: Longsys показала 5-нм чип WM8500 для сжатия данных на лету.

Идея звучит просто, но для серверного хранения она попадает в больное место. NAND и DRAM дорожают, а дата-центры с ИИ-нагрузками всё ещё держатся за HDD там, где нужен большой объём за разумные деньги. Longsys предлагает не новый тип флеша, а отдельный умный слой в SSD.

WM8500 делает ставку на сжатие, а не на грубый рост NAND

Longsys называет WM8500 блоком SPU, то есть Storage Processing Unit. Это 5-нм ASIC, который занимается сжатием без потерь и управлением хранением внутри накопителя, а не выполняет произвольные вычисления рядом с данными.

Продолжение после рекламы

Компания заявляет коэффициент сжатия до 2:1. В идеальном сценарии SSD на 128 ТБ для системы выглядит как накопитель с виртуальными 256 ТБ. Это не магия и не бесплатные терабайты. Итог зависит от типа данных.

Лучше всего такой подход раскрывается на массивах, где много повторяемых структур. Для ИИ это могут быть части датасетов, промежуточные данные и контекстные окна моделей. А вот зашифрованные, уже сжатые или сильно обфусцированные данные дадут куда меньший выигрыш.

Для сравнения: аппаратное сжатие в ленточных накопителях иногда доходит до 2,5:1. WM8500 до этой цифры не добирается, но SSD решает другую задачу. Ему нужно быстро читать и писать данные с низкой задержкой, а не просто хранить архив.

Чем SPU отличается от Samsung SmartSSD

Longsys противопоставляет WM8500 решениям вроде Samsung SmartSSD. Там внутри накопителя используют FPGA или ARM-процессор для вычислительных задач. WM8500 уже и проще по замыслу: это специализированный ASIC под сжатие и управление стеком хранения.

Изображение к статье: Longsys WM8500 сожмёт данные в SSD до 2:1 на лету
Подход Что внутри Основная задача
Longsys WM8500 5-нм ASIC SPU Сжатие без потерь и управление SSD
Samsung SmartSSD FPGA или ARM-CPU Вычисления на стороне накопителя

У WM8500 есть ещё одна важная деталь: Longsys говорит о полностью DRAM-less дизайне. Для потребительских SSD отсутствие DRAM часто означает компромисс. В корпоративном сегменте это уже вопрос цены всей системы, особенно при десятках и сотнях накопителей в стойке.

Вместо классической зависимости от внешней DRAM компания использует связку High Level Cache и Intelligent Storage Agent. Longsys описывает её как замкнутую программно-аппаратную систему для AI-хранения в материалах о SPU и iSA.

High Level Cache, по данным Longsys, снижает потребность в DRAM на 40%. Для дата-центра это важнее красивой цифры в спецификации. Меньше DRAM в накопителях — ниже стоимость узла и меньше давление на поставки памяти.

Почему это важно для SSD на 128 ТБ

WM8500 сейчас поддерживает одиночные SSD ёмкостью до 128 ТБ. Это совсем другой класс рядом с массовыми потребительскими накопителями, которые чаще упираются в 8 ТБ и стоят заметно дороже за каждый следующий шаг по объёму.

Longsys работает сразу на двух рынках. В потребительском сегменте компания известна через бренд Lexar. В B2B-хранении она продвигает FORESEE. Поэтому WM8500 выглядит не лабораторной игрушкой, а заготовкой под корпоративные SSD для AI-кластеров.

Продолжение после рекламы

Конкуренты тоже двигаются в сторону 256 ТБ. Производители корпоративных SSD готовят такие модели, но там рост обычно строится на более плотной NAND и новых платформах. Longsys пытается выжать дополнительный объём программно-аппаратным способом, не удваивая физическую флеш-память.

Для домашних сборок эта новость пока скорее из разряда «посмотреть на будущее». В игровой ПК SSD на 128 ТБ никто завтра не поставит. Но технологии из серверного сегмента часто спускаются вниз. Так было с NVMe, так было с большими кэшами и продвинутым управлением износом.

У WM8500 есть жёсткое ограничение: сейчас чип рассчитан на одиночные SSD до 128 ТБ, а коэффициент 2:1 Longsys указывает как максимум, не как гарантированный режим для любых данных.

Рейтинг: 0 / 5. Оценок: 0

Рекомендуем почитать

Оставьте комментарий

Перед оставлением комментария, пожалуйста, ознакомьтесь с правилами комментирования.