Het starthek bij de Kentucky Derby is een perfecte les in verwachting.

Vlak voordat de race begon, werd het vreemd. Niet de gebruikelijke onrust vlak voor de start, maar een echte misser direct bij het starthek. Een paard dat al als vervanger was ingezet, degene die het publiek de “white monster” noemde, verloor de controle, wierp de jockey af en werd enkele minuten voor de bel uit de race gehaald.

Het was zo’n moment waarop alles klaar leek. De voorbereiding was er, de fysieke specificaties waren er, en de verwachting was maximaal. Toen, precies op het moment dat de druk erop kwam, hield het gewoon geen stand.

In de techsector zien we zo’n “scratch” eigenlijk elke dag bij flashopslag. We geloven de grote cijfers op de verpakking, om vervolgens te zien dat de werkelijkheid zich anders gedraagt zodra het echte werk begint.

De misvatting van “Burst Speed”

De meeste USB-sticks worden verkocht op basis van één agressief getal: maximale schrijfsnelheid. Het is de ultieme marketinghaak. 300MB/s, 400MB/s – cijfers die makkelijk op een doos te drukken zijn en nog makkelijker in één oogopslag te vergelijken.

Om eerlijk te zijn: die cijfers zijn geen leugens. Gedurende een korte periode kan een drive ze absoluut halen. Data komt terecht in een snelle cachelaagEen tijdelijke opslagruimte met hoge snelheid in flashopslagapparaten, die schrijf- en leesbewerkingen versnelt voordat data wordt verplaatst naar tragere hoofdopslag., de controller blijft koel, en alles voelt soepel aan. Het is die eerste sprong uit het starthek – een schone start en een krachtige pas. Op dat moment ben je ervan overtuigd dat je een winnaar te pakken hebt.

Maar een sprint bij het starthek is geen les in prestaties; het is een les in potentieel. En potentieel maakt de klus zelden af.

Aanhoudende snelheid: waar de echte les begint

Het echte verhaal begint wanneer de overdracht doorgaat. De cache raakt vol. De controllerEen hardwarecomponent die de datastroom tussen een USB-drive en de geheugenchips beheert. begint met het zware werk om data naar de daadwerkelijke NANDEen type niet-vluchtige opslagtechnologie die is ontworpen om grote hoeveelheden data efficiënt op te slaan en later weer op te halen wanneer dat nodig is. te verplaatsen. Foutcorrectie moet harder werken, achtergrondbeheer komt op gang, en thermische limieten beginnen strakker te worden.

De drive faalt niet, maar hij verandert. Hij wordt langzamer.

Een drive die begon met 300MB/s kan na die eerste “sprint” terugvallen naar een aanhoudende snelheid van 70MB/s. Die prestatiedaling van 75% is de werkelijkheid van de hardware, maar zelden de werkelijkheid van het verkooppraatje. In tech verwarren we de burst vaak met de echte capaciteit.

De prijs van aannames

Hier verandert de kloof tussen verwachting en werkelijkheid in een zakelijk probleem. Je draait een snelle benchmarktest, ziet hoge cijfers en bouwt je workflow daaromheen. Daarna ga je naar productie – langere overdrachten, herhaalde schrijfbewerkingen en minder gecontroleerde omstandigheden.

Ik heb dit zien gebeuren in professionele duplicatieomgevingen. Bij een korte testrun ziet alles er perfect uit, maar zodra de opdracht groter wordt, begint de doorvoer te verschuiven. Tijdschema’s rekken uit. Het systeem voelt “zwaar” aan.

Als je ooit hebt gewerkt met multi-port USB-duplicatiesystemen, heb je deze les waarschijnlijk van dichtbij gezien. De theoretische snelheid per apparaat verdampt vaak zodra je de controller vraagt om twintig apparaten tegelijk onder volledige belasting te beheren. De opgegeven specificatie blijft hetzelfde, maar de omstandigheden zijn veranderd.

Prestaties over tijd zijn de enige maatstaf die echt telt

Dat Derby-moment voelde herkenbaar omdat het eraan herinnerde dat klaarstaan bij het starthek niet hetzelfde is als uithoudingsvermogen op de baan. Het paard was capabel, maar de situatie veranderde, en de prestatie ging niet mee.

Flashopslag gedraagt zich op dezelfde manier. De eerste indruk is ontworpen om sterk te zijn, zelfs overtuigend. Maar hoe langer je met de hardware werkt, hoe meer je het echte karakter ervan ziet.

De les voor de techsector is eenvoudig: stop met alleen de start meten. Burst speed vertelt je wat mogelijk is onder ideale omstandigheden, maar aanhoudende snelheid vertelt je wat je in de echte wereld kunt verwachten. Ergens tussen marketing en werkbelasting vindt de werkelijkheid altijd haar evenwicht.

Al meer dan twee decennia kijkt GetUSB naar hoe data zich daadwerkelijk verplaatst, niet alleen hoe het wordt gepresenteerd in marketing. In die tijd hebben we opslag door meerdere cycli zien evolueren, van de afname van draaiende schijven tot de opkomst van flash, en meer recent naar systemen waarin opslag niet langer slechts een passieve component is, maar onderdeel van de infrastructuur zelf.

Wat er nu gebeurt met AI-infrastructuur voelt als opnieuw zo’n overgangsmoment, maar dit keer gedreven door een ander soort druk.

NAND-flash verdwijnt niet, en daar is eigenlijk geen discussie over. Het blijft de basis van moderne opslag en doet dat werk extreem goed. Tegelijkertijd is de vraag naar NAND snel gestegen, grotendeels door AI-workloads die enorme datasets vereisen en daar continu toegang toe nodig hebben. Die vraag begint nu tegen de grenzen van het aanbod aan te lopen op manieren die steeds moeilijker te negeren zijn, of dat nu zichtbaar wordt in prijsdruk, strakkere toewijzingen of simpelweg langere levertijden voor grote implementaties.

Wanneer dit soort onevenwicht zichtbaar wordt, blijft de industrie niet stilzitten en wachten tot alles weer normaliseert. Ze gaat op zoek naar andere manieren om het probleem op te lossen, en daar begint de verschuiving.

Hoe een AI-server er echt uitziet wanneer je de behuizing opent

Er is momenteel veel rumoer over AI die “te veel geheugen” gebruikt. De prijzen stijgen. De beschikbaarheid is beperkt. Iedereen zegt dat de vraag explodeert. Dat heb je waarschijnlijk al gelezen.

Maar het meeste wat hierover wordt geschreven, slaat het belangrijkste deel over: hoe een AI-computer er fysiek uitziet en waarom hij überhaupt zo veel geheugen nodig heeft. Niet in abstracte grafieken of marktvoorspellingen, maar in termen die je je kunt voorstellen. Zodra je begrijpt wat één enkel AI-systeem daadwerkelijk verbruikt, klinkt de rest van het verhaal niet meer dramatisch, maar onvermijdelijk.

Onlangs legde ik dit uit op een plek die niets met datacenters te maken heeft. Ik was op de school van mijn kind tijdens een “ouderdag”, stond in een klaslokaal, en een paar leerlingen begonnen vragen te stellen over AI. Geen chatbotvragen. Echte vragen. Hoe ziet de computer eruit? Waar gaan de gegevens naartoe? Waarom heeft iedereen het steeds over “geheugen”, alsof dat het hele verhaal is?