# Artikel Terkait SSD

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "SSD", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Dari Penyimpanan Panas ke Memori Dingin: Penyimpanan Terdesentralisasi di Bawah Gelombang Penyimpanan AI

Artikel ini membedah perbedaan mendasar antara tren penyimpanan AI yang sedang panas dan penyimpanan terdesentralisasi yang saat ini sepi. Penyimpanan AI (seperti HBM, SSD perusahaan) didorong oleh efisiensi maksimal, berfokus pada kecepatan dan pemanfaatan GPU untuk produktivitas. Sebaliknya, penyimpanan terdesentralisasi (seperti Filecoin, Arweave) mengutamakan kepercayaan, integritas jangka panjang, dan resistensi terhadap sensor untuk data dingin seperti arsip budaya atau bukti sejarah. Penyimpanan AI telah menjadi pusat perhatian karena menjadi komponen kritis dalam mengisi daya GPU dan mengurangi latensi, yang secara langsung memengaruhi biaya dan profitabilitas. Artikel ini menguraikan arsitektur penyimpanan AI dalam empat lapisan: memori dekat komputasi (HBM, DRAM, CXL), penyimpanan persisten cepat (SSD perusahaan), penyimpanan kapasitas besar berbiaya rendah (HDD), dan perangkat lunak sistem/penyimpanan AI. Sementara itu, proyek penyimpanan terdesentralisasi menghadapi tantangan dalam pencocokan insentif, kemampuan layanan tingkat perusahaan, dan pengalaman pengambilan data. Peluang masa depannya terletak pada ceruk khusus seperti jejak audit data AI (provenance), penyimpanan dataset publik dan arsip peradaban, penyimpanan arsip terpercaya, serta integrasi dengan teknologi seperti ZK atau TEE. Kesimpulannya, pasar saat ini menghargai efisiensi AI, tetapi nilai penyimpanan terdesentralisasi sebagai lapisan "memori dingin" yang tepercaya mungkin akan dihargai kembali seiring meningkatnya kebutuhan akan integritas data dan pelestarian memori jangka panjang dalam era AI.

marsbit10j yang lalu

Dari Penyimpanan Panas ke Memori Dingin: Penyimpanan Terdesentralisasi di Bawah Gelombang Penyimpanan AI

marsbit10j yang lalu

Mengonsumsi Sebuah SSD per Tahun, Bug Log Codex Dicap 'Perangkat Lunak Asal-asalan'

Sebuah alat pemrograman AI bernama Codex dari OpenAI dikritik karena bug log yang merusak SSD pengguna. Seorang pengembang melaporkan bahwa log feedback SQLite Codex dapat menulis hingga 640TB data per tahun, melebihi batas ketahanan (TBW) kebanyakan SSD konsumen hanya dalam setahun. Masalahnya terletak pada konfigurasi log default yang diatur ke level TRACE tertinggi, yang mencatat semua detail—termasuk noise debug yang tidak perlu—secara konstan. Log ini menggunakan mekanisme "insert-and-prune" di database SQLite: data baru dimasukkan dan data lama langsung dihapus, menjaga ukuran file tetap sekitar 1GB. Namun, setiap operasi tulis-hapus ini tetap menghabiskan siklus tulis SSD. Meskipun pengguna mencoba menonaktifkan log melalui variabel lingkungan `RUST_LOG`, konfigurasi default `Level::TRACE` mengabaikannya, sehingga log tetap berjalan. Analisis menunjukkan 96% data yang ditulis adalah informasi debug yang tidak berguna bagi pengguna. Setelah dilaporkan dan menjadi perhatian publik, OpenAI merilis perbaikan yang diklaim mengurangi 85% penulisan log. Namun, sisa 15% masih berarti sekitar 96TB per tahun. Bug serupa juga dilaporkan pada alat saingan seperti Claude Code. Kasus ini memicu diskusi tentang "slopware" atau perangkat lunak berkualitas rendah dalam industri AI, di mana fitur dikembangkan cepat tanpa pertimbangan matang terhadap penggunaan sumber daya seperti SSD, CPU, dan memori di perangkat pengguna akhir.

marsbit07/02 08:54

Mengonsumsi Sebuah SSD per Tahun, Bug Log Codex Dicap 'Perangkat Lunak Asal-asalan'

marsbit07/02 08:54

Interpretasi Riset: Morgan Stanley Memperjelas SanDisk (SNDK), Kebenaran Kekuatan Penetapan Harga di Pusat Data Cloud dan Dividen Inferensi AI

**Ringkasan Laporan: Morgan Stanley Menganalisis SNDK, Kekuatan Penetapan Harga di Pusat Data Awan & Realitas Manfaat AI Inference** Morgan Stanley (MS) pada 22 Juni meningkatkan target harga SNDK dari $1100 menjadi $1750, dengan rating "Overweight". Alasan utamanya: permintaan untuk **AI inference** mengubah aturan pasar NAND. Pelanggan pusat data awan (cloud) yang membayar premium untuk penyimpanan **KV Cache** dan konteks AI menjadi kurang sensitif terhadap harga, memberikan SNDK **kekuatan penetapan harga**. SNDK mengunci profitabilitas masa depan melalui **NBM (New Business Model)**, kontrak jangka panjang (3-5 tahun) yang telah mencakup lebih dari sepertiga volume bit FY27. Kontrak ini memiliki harga tetap atau struktur floor/ceiling, dan bahkan pada harga terendah (floor) dapat mempertahankan margin kotor sekitar **80%**. MS memproyeksikan margin kotor SNDK akan melonjak dari 30.3% (FY25) menjadi 86.7% (FY27e). Dengan pasokan NAND yang diperkirakan tetap ketat hingga setidaknya pertengahan 2027, SNDK berfokus pada pertumbuhan melalui peningkatan kepadatan (density), bukan ekspansi kapasitas besar-besaran. Pertumbuhan pendapatan yang diproyeksikan (6.6x dari FY25 ke FY27) berasal dari segmen cloud ber-margin tinggi. **Katalis:** Adopsi eSSD di pusat data yang melampaui ekspektasi, pertumbuhan AI di edge, dan teknologi baru seperti HBM. **Risiko:** Pertumbuhan industri melambat, kompetisi meningkat (termasuk dari produsen China seperti YMTC), dan kehilangan pangsa pasar di segmen pusat data. Logika utama MS: **1)** Perubahan struktural permintaan AI inference, **2)** Perlindungan margin oleh kontrak NBM, dan **3)** Pasokan NAND yang ketat. Target harga $1750 didasarkan pada 28x PER FY27e.

marsbit06/23 12:07

Interpretasi Riset: Morgan Stanley Memperjelas SanDisk (SNDK), Kebenaran Kekuatan Penetapan Harga di Pusat Data Cloud dan Dividen Inferensi AI

marsbit06/23 12:07

Memahami Kolam Profit dan Lanskap Industri dalam Hierarki Penyimpanan AI dalam Satu Artikel

**Ringkasan:** AI storage dibagi menjadi enam lapisan berdasarkan kedekatan dengan unit komputasi: SRAM on-chip, HBM, DRAM motherboard, lapisan pooling CXL, SSD kelas perusahaan, serta NAS dan penyimpanan objek cloud. Pada 2025, total pasar mencapai sekitar $229 miliar, didominasi oleh DRAM (50%), HBM (15%), dan SSD (11%). Struktur pasar sangat terkonsentrasi, dengan tiga pemain utama (Samsung, SK Hynix, Micron) menguasai >90% di lapisan atas. Terdapat tiga jenis kolam laba utama: 1. **Kolam laba oligarki dengan margin tinggi** (HBM, SRAM tertanam, SSD QLC): HBM adalah yang paling menguntungkan (margin operasi Hynix mencapai 72%), didorong oleh permintaan tinggi dan proses manufaktur kompleks (TSV, CoWoS). Pasar HBM diproyeksikan tumbuh CAGR ~40% hingga $100 miliar pada 2028. 2. **Kolam laba baru dengan margin tinggi** (CXL): Teknologi yang memungkinkan pooling memori di tingkat rak, dengan pertumbuhan diperkirakan sangat cepat (CAGR 37%). 3. **Kolam laba berbasis layanan dengan skala besar** (NAS, cloud storage): Mengandalkan penguncian ekosistem dan biaya perpindahan yang tinggi. Intinya: Semakin dekat lapisan penyimpanan dengan unit komputasi (seperti HBM), semakin langka, tinggi marginnya, dan teknologinya semakin kompleks. Pertumbuhan utama berasal dari HBM, SSD kelas perusahaan, dan CXL. Dominasi tiga raksasa memori (Samsung, SK Hynix, Micron) terlihat di hampir semua lapisan kecuali SRAM on-chip (didominasi TSMC) dan CXL Retimer (didominasi Astera Labs).

marsbit05/14 04:07

Memahami Kolam Profit dan Lanskap Industri dalam Hierarki Penyimpanan AI dalam Satu Artikel

marsbit05/14 04:07

活动图片