【ZOL 中关村在线原创评测】过去两年，本地大模型部署、AI Agent 智能体、AI 加速的生产力工具，已经从极客圈子的玩具变成了很多人桌面上的日常。搭建一台 AIPC，绝大多数人第一反应是看 CPU 有多少核心、NPU 算力多少 TOPS、显卡显存够不够大，很少有人会把固态硬盘放在优先级很高的位置。但真正跑过本地 AI 工作流的人都清楚，存储往往是那个被低估、却又实实在在影响体验的环节。

本地 AI 的存储负载和传统游戏、办公完全不是一回事。跑一个大模型，先要把几 GB 甚至十几 GB 的权重文件从 SSD 读进内存，这是大块连续读取；跑一个 AIAgent，它会不停地写会话记录、记忆库、技能脚本，生成数量庞大的 KB 级小文件，这又是海量随机读写。两种特征完全不同的 IO 负载交替出现，再加上用户往往会在盘里塞好几套模型、数据集，磁盘长期处在较高占用状态，这对 SSD 的顺序吞吐、随机 IO 性能、高占用下的一致性、长时间高负载稳定性，都提出了比传统应用高得多的要求。市面上不少 SSD 在 Crystal Disk Mark 里能跑出很漂亮的峰值分数，但一进真实 AI 场景就露馅：模型冷加载慢、Agent 启动卡顿、磁盘存满后性能跳水、长时间负载温度一高就降速。

SANDISK Optimus 闪迪奥丁马仕系列正是瞄准游戏以及这类复杂混合负载推出的高端 SSD 产品线，其中闪迪奥丁马仕 GX PRO 8100 NVMe SSD 是该产品线的 PCIe5.0 旗舰 SSD。本次以闪迪奥丁马仕 GX PRO 8100 为核心测试对象，通过展示 Ollama 本地大模型、ComfyUI 工作流、Open ClawAI Agent、多任务混合压力等真实工况，从速度、容量、稳定性三个维度还原这款 PCIe 5.0 旗舰 SSD 的实际表现。

1、外观与硬件规格

在进入到实际测试之前，我们先来了解下 SANDISK Optimus 闪迪奥丁马仕系列吧。这个系列包含了 SANDISK Optimus 系列、SANDISK Optimus GX 系列以及 SANDISK Optimus GX PRO 系列三大产品线。此次我们会重点对闪迪奥丁马仕 GX PRO 8100 NVMe SSD、闪迪奥丁马仕 GX PRO 850X NVMe SSD 以及闪迪奥丁马仕 GX 7100 NVMe SSD 来进行体验。

从这三款产品来看，它们均采用 M.2 2280 标准规格，盘体正面印有系列标志性的黑底红色流线纹理，我们拿到手的产品均未配备原厂散热盔甲（其中闪迪奥丁马仕 GX PRO 8100 及闪迪奥丁马仕 GX PRO 850X 两款产品拥有搭载散热片版本），需依靠主板散热马甲或第三方 M.2 散热模组。这一点对闪迪奥丁马仕 GX PRO 8100 这类 PCIe5.0 高速 SSD 尤为关键，散热条件直接决定持续性能释放水平。

闪迪奥丁马仕 GX PRO 8100 采用 PCIe5.0 x4 通道、NVMe2.0 协议，板载独立 DRAM 缓存，搭载闪迪第八代 BiCS TLC 3D CBA NAND 颗粒，SLC 缓存采用 SANDISK nCache 4.0 技术。提供丰富容量版本可选，其中，2TB 版本闪迪奥丁马仕 GX PRO 8100 耐久度高达 1200TBW，平均运行功耗 7.5W 以内，支持 TCG Opal 2.02 加密。

另外两款盘的定位也各有侧重：闪迪奥丁马仕 GX 7100 为 PCIe4.0 x4、NVMe2.0，无 DRAM HMB 架构，主打能效和温控表现，适配于游戏本、轻薄本或掌上游戏设备用户；闪迪奥丁马仕 GX PRO 850X 为 PCIe4.0 x4、NVMe1.4，搭载 DRAM 缓存，定位 PCIe4.0 领域的高性能生产力场景。

2 测试平台与测试方案

整套测试使用同一套 AMD 硬件平台，消除 CPU、主板通道、内存配置带来的变量干扰。每一项测试前等待 SSD 温度回落至待机温度并清空系统页面缓存，规避上一轮 SLC 缓存残留对结果造成干扰。平台配置：AMD Ryzen 9 9950X3D 十六核心，iGame X870E VULCAN W OC 主板，32GB DDR5 4800MT/s 内存，AMD Radeon RX 9070 XT 16GB 显卡，Windows11 专业版 25H2。

测试平台硬件配置信息

3 传统基准性能实测

闪迪奥丁马仕 GX PRO 8100 2TB

CrystalDiskInfo 显示固件版本 830ZRR0A，PCIe5.0 x4，NVMe2.0，基准测试后盘体温度 57 ℃，可以看出 PCIe 5.0 固态在高队列深度负载下会产生可观的热量。

闪迪奥丁马仕 GX PRO 8100 CrystalDiskInfo 健康信息

Crystal Disk Mark8.0.4 测试多次，得分都比较稳定，基本在闪迪奥丁马仕 GX PRO 8100 的官方标准左右，SEQ1M Q8T1 对应大模型权重的拷贝与加载，2TB 容量版本顺序读写速度分别高达 14958.49MB/s/14108.34MB/s 与官方标称高度吻合，充分释放 PCIe5.0 带宽。SEQ1M Q1T1 单线程顺序读写速度高达 8514.38MB/s/7917.97MB/s，日常模型加载和文件拷贝同样高效。随机方面，RND4K Q32T1 多线程 4K 读取性能突破 1000MB/s，对应 Agent、向量库的碎片小文件并发访问；RND4K Q1T1 单线程写入性能高达 234.41MB/s，略高于读取，对 Agent 持续写会话日志这类负载有积极意义。

闪迪奥丁马仕 GX PRO 8100 Crystal Disk Mark 8.0.4 测试结果

ATTO Disk Benchmark（I/OSize 512B 至 64MB，FileSize 256MB，QD4，DirectI/O）显示：小文件阶段闪迪奥丁马仕 GX PRO 8100 2TB 版本的读写性能随尺寸增大逐步攀升，512B 时写入速度高达 63.11MB/s/ 读取速度高达 57.25MB/s，16KB 时写入速度高达 1.91GB/s/ 读取速度高达 1.80GB/s，64KB 时写入速度高达 6.12GB/s/ 读取速度高达 5.48GB/s；128KB 以上写入性能完全释放，稳定在 12.72GB/s 左右，读取性能稳定在 7.34GB/s 左右。这说明大模型这类 GB 级大文件可维持极高的持续写入吞吐，而 Agent 产生的 KB 级小文件也能保持合理的性能水平。

闪迪奥丁马仕 GX PRO 8100 ATTO Disk Benchmark 测试结果

闪迪奥丁马仕 GX 7100 2TB

再看下闪迪奥丁马仕 GX 7100 的基本信息，PCIe4.0 x4，NVMe2.0，基准测试后盘体温度仅 48 ℃，温控表现十分突出。

闪迪奥丁马仕 GX 7100 Crystal Disk Info 健康信息

Crystal Disk Mark 1GiB 实测：2TB 容量版本 SEQ1M Q8T1 读取速度高达 7383.95MB/s/ 写入速度高达 6969.17MB/s，与官方标称基本吻合；SEQ1M Q1T1 读取速度高达 4891.07MB/s/ 写入速度高达 6026.47 MB/s，单线程写入性能高于读取性能的特征比闪迪奥丁马仕 GX PRO 8100 明显；RND4K Q32T1 读取速度高达 986.68MB/s/ 写入速度高达 952.21MB/s，4K 多线程双双接近 1000MB/s；RND4K Q1T1 读取速度高达 96.61MB/s/ 写入速度高达 229.05MB/s。作为无 DRAM 的 HMB 架构 SSD，能跑出这样的随机性能已相当可观，加上 48 ℃低温表现，不需要强力散热就可以长时间稳定工作。

闪迪奥丁马仕 GX 7100 Crystal Disk Mark 测试结果

闪迪奥丁马仕 GX PRO 850X 2TB

闪迪奥丁马仕 GX PRO 850X，PCIe4.0 x4，NVMe1.4，基准测试后盘体温度达到 63 ℃。

闪迪奥丁马仕 GX PRO 850X Crystal Disk Info 健康信息

Crystal Disk Mark 1GiB 实测：2TB 容量版本 SEQ1M Q8T1 读取速度高达 7376.81MB/s/ 写入速度高达 6684.78MB/s，与官方标称一致；SEQ1M Q1T1 读取速度高达 5047.42MB/s/ 写入速度高达 4145.36MB/s；RND4K Q32T1 读取速度高达 985.08MB/s/ 写入速度高达 948.80 MB/s；RND4K Q1T1 读取速度高达 72.49MB/s/ 写入速度高达 230.15MB/s。63 ℃的测试温度预示这款产品在长时间高负载场景下对散热模组有更高要求，如果主板散热片规格一般，持续高负载可能触发温控降速。

闪迪奥丁马仕 GX PRO 850X Crystal Disk Mark 测试结果

4 真实 AI 业务负载实测

合成基准测试只能反映固态硬盘的瞬时性能上限，AI PC 的真实使用环境远比基准软件复杂。在真实本地 AI 工作流中，大文件连续读取和海量小文件随机读写会交替发生，同时 SSD 往往存储着大量模型和数据集，并非空盘状态。值得说明的是，" 本文 AI 场景测试均聚焦存储 IO 表现，不涉及 AI 输出内容质量评判 "。

Ollama 本地大模型冷加载测试

将 Ollama 环境部署在闪迪奥丁马仕 GX PRO 8100 分区，选用 qwen2.5:7b 量化模型（7B 参数，Q4_K_M 量化，文件 4.7GB）。严格执行冷加载：退出 Ollama 服务、清空系统缓存后再加载，记录从发起到就绪的耗时。需要厘清的是，推理 token 速度取决于显卡算力，但模型从 SSD 读入内存的冷加载完全是存储 IO 行为，加载耗时直接影响切换模型时的等待体验，很多用户觉得本地 AI 慢，其实慢的是每次切换都要等的加载过程。

Ollama qwen2.5:7b 大模型冷加载测试界面

实测 qwen2.5:7b 完成冷加载耗时 13.3 秒，读取阶段闪迪奥丁马仕 GX PRO 8100 可以充分调用 PCIe5.0 带宽。作为对比，普通 PCIe4.0 SSD 加载同规格模型通常需要 18 到 25 秒，机械硬盘则可能需要一分钟以上，闪迪奥丁马仕 GX PRO 8100 在这个环节的优势非常直观。

Ollama 多模型循环切换测试

日常使用中技术人员会频繁切换不同模型。在盘内同时存放 qwen2.5:7b（4.7GB）和 llama3.1:8b（4.9GB），用 Ollama 反复循环加载，模拟真实调试工作流，记录每次切换耗时。

Ollama 多模型循环切换测试结果

测试结果清晰揭示了存储在模型切换中的角色：第一轮加载 qwen2.5:7b 耗时 0.31 秒，因该模型已在上一步测试中载入内存缓存；第二轮切换到 llama3.1:8b，这是该模型首次从 SSD 冷加载，耗时 10.67 秒；第三轮切回 qwen2.5:7b，此时两个模型都已在内存缓存中，切换仅 0.24 秒；第四轮 llama3.1:8b 耗时 0.23 秒；第五轮 qwen2.5:7b 耗时 0.20 秒；第六轮 llama3.1:8b 耗时 0.24 秒。六轮循环平均耗时 1.98 秒，其中包含一次完整 SSD 冷加载。从这组数据可以得到直观结论：影响模型切换等待时长的核心环节就是第一次从 SSD 读取权重文件的过程，一旦模型载入内存后续切换几乎瞬时。闪迪奥丁马仕 GX PRO 8100 凭借 PCIe5.0 高带宽，把 4.9GB 的 llama3.1:8b 首次冷加载压缩到 10.67 秒，相比 PCIe4.0 产品通常需要的 15 秒以上有明显缩短。多轮循环加载全程监控中，盘体温度可控，加载耗时没有出现逐步拉长，无 IO 报错或程序进程卡死。

ComfyUI 工作流模型加载测试

除文本大模型外，AIPC 用户还大量使用图像类 AI 工作流。ComfyUI 的运行包含两个存储强相关环节：启动时从 SSD 扫描加载 Checkpoint 模型权重到显存，工作流完成后将图像回写 SSD。将 ComfyUI 部署在闪迪奥丁马仕 GX PRO 8100 分区，测试模型

sd_xl_base_1.0.safetensors（6.94GB）。

ComfyUI 工作流模型加载测试界面

从运行日志可以看到完整时间线：14:40:13 开始扫描模型目录，发现 3 个 Checkpoint 模型；14:40:15 开始加载 sd_xl_base_1.0，从 SSD 读取 6.94GB 权重；14:40:18 模型加载完成耗时 2.8 秒，模型移至 VRAM 占用 6.5GB/12GB；14:40:20 开始执行工作流，20 步采样耗时 3.2 秒（6.25it/s）；14:40:25VAE 解码完成，图像保存至 F 盘 ComfyUI output 目录，整个工作流总耗时 5.2 秒。日志末尾明确标注：SSD 读取模型加载速度高达 2.48GB/s，图像写入速度高达 156MB/s，存储闪迪奥丁马仕 GX PRO 8100，IO 延迟稳定。6.94GB 的模型权重在 2.8 秒内完成加载，平均读取速度高达 2.48GB/s，虽未跑满 PCIe5.0 顺序读取速度峰值（模型加载过程还包含文件解析、格式转换、显存分配等非纯 IO 操作），但对接近 7GB 的大文件来说已相当高效。

OpenClaw 小龙虾 AI Agent 运行测试

OpenClaw 即圈内俗称的 " 小龙虾 " 本地 AI 智能体，和单纯大模型有本质区别：除调用大模型外，还持续读写 memory 记忆目录、session 会话日志、skills 技能脚本，长期运行生成大量 JSON、LOG 小文件。很多用户遇到 Agent 启动慢、记忆丢失、技能加载失败，问题往往不在大模型，而在底层存储对海量小文件的处理能力。

将 OpenClaw 完整环境部署在闪迪奥丁马仕 GX PRO 8100 分区，后端调用 Ollama 的 qwen2.5:7b 模型，Gateway 服务运行在 localhost:18789。从启动日志可以看到完整启动流程：第一步加载记忆库 memory 目录，第二步加载会话日志 session 目录，第三步加载技能库 skills 目录，第四步启动 Gateway 服务，四步全部完成后 Agent 就绪。在空盘状态下，完整冷启动加载耗时 15.97 秒。

OpenClaw 小龙虾 AI 智能体运行界面

在 Agent 运行界面中可以看到实际加载的内容规模：记忆库中已有 1247 条记忆，会话历史 356 个，技能脚本 89 个。这些文件全部存储在闪迪奥丁马仕 GX PRO 8100 上，Agent 每次启动都需要完整扫描并加载这些文件。在一次完整的 Agent 任务执行中，从接收指令到依次完成记忆库加载、会话历史读取、技能脚本加载、磁盘稳定性测试，实际总耗时 88.4 秒（涉及 100GB 级数据处理），整个过程中没有出现文件读取失败或会话丢失。

万级小文件压力测试

为还原长期 " 养龙虾 " 后本地堆积上万条会话记忆的状态，用脚本批量生成 10000 个模拟小文件（5000 条记忆 JSON+5000 条会话 LOG），总容量仅 3.9MB。文件总量小但数量极多，是对 SSD 小文件元数据读写能力的严苛考验，很多消费级 SSD 在此工况下元数据检索开销剧增，启动时间成倍上涨。

OpenClaw 万级小文件压力与高磁盘占用测试结果

测试结果如下：批量生成全部一万个文件耗时 8.99 秒；在万级小文件已经存在的前提下执行 OpenClaw 冷启动，实测启动耗时 14.36 秒。这个结果有一个值得注意的细节：万级小文件下的启动耗时 14.36 秒反而比空盘冷启动的 15.97 秒略快，这是因为上一轮文件生成操作后部分文件元数据仍驻留在系统缓存中产生了缓存效应。但即便排除缓存因素，14.36 秒和 15.97 秒也处于同一水平，说明万级小文件的堆积并没有对闪迪奥丁马仕 GX PRO8100 的启动速度造成明显拖累。测试完成后多次重启 Agent 程序，抽检 100 个记忆文件进行完整性校验，结果为 0 损坏，全部文件可读，没有出现会话配置丢失。

高磁盘占用工况测试

众所周知，AIPC 用户的 SSD 很少长期维持空盘状态，盘里往往存着多套大模型、数据集、素材文件，磁盘占用率会持续处于较高水平。而很多 SSD 一旦磁盘占用升高，可用的 SLC 缓存空间被压缩，随机 IO 性能就会出现明显衰减，直接表现为 Agent 启动变慢、文件操作卡顿。

向闪迪奥丁马仕 GX PRO 81002TB 版本分区内填入 200GB 测试数据，填充耗时 148.2 秒，填充后磁盘占用率为 11.4%。在该磁盘占用条件下执行 OpenClaw 完整冷启动流程，实测启动耗时 14.42 秒。对比空盘万级小文件工况下的 14.36 秒，二者差距仅 0.06 秒，几乎可以忽略。这说明在当前磁盘占用水平下，闪迪奥丁马仕 GX PRO8100 的随机 IO 性能没有出现可感知的衰减，Agent 整套配置文件和记忆库的读取工作依然稳定高效。

AI Agent 文件分类整理测试

除运行 Agent 本身，用户还常用 Agent 处理本地文件，如批量分类、整理、归档素材。模拟典型 Agent 文件整理任务：对包含 16023 个文件、总容量 88.48GB 的目录递归扫描、按扩展名分类、按月归档、解决重名、备份并完整性校验，通过 PowerShell 脚本执行，源目录和目标目录均在闪迪奥丁马仕 GX PRO 8100 分区。

AI Agent 文件分类整理任务执行界面

从执行日志可以看到完整的四阶段流程：第一阶段递归扫描，16023 个文件、88.48GB 全部扫描完成仅耗时 0.55 秒，扫描速度达到 29132 文件 / 秒；第二阶段按扩展名分类，图片 7988 个（21.32GB）、视频 40 个（56.10GB）、文档 5995 个（6.13GB）、其它 2000 个（4.93GB），分类耗时 0.75 秒；第三阶段按月归档并解决重名，16023 个文件全部复制成功，重名解决 0 个，错误 0 个，整理耗时 173.96 秒，平均吞吐 520.8MB/s；第四阶段文件完整性校验，16023/16023 全部通过。整个任务总耗时 175.26 秒，平均处理速度 92 文件 / 秒。

这个测试非常贴近真实使用场景：一个混合了图片、视频、文档的大容量素材目录，Agent 需要先快速扫描建立索引再进行分类和批量复制。闪迪奥丁马仕 GX PRO 8100 在扫描阶段表现出极高的小文件处理效率，0.55 秒扫完 16023 个文件；在归档复制阶段面对大小混杂的文件，平均吞吐维持在 520.8MB/s，且 16023 个文件全部复制成功、完整性校验 100% 通过，没有出现任何文件损坏或复制错误。

三路 AI 混合并发压力测试

最后一项还原 AI PC 最真实的多任务并发：用户一边跑大模型推理、一边运行 Agent 处理任务、同时后台拷贝数据集，多项 IO 并发。构造三路负载同时持续运行 2 分钟，观测混合压力下的稳定性。

三路 AI 混合并发压力测试结果

三路负载分别为：第一路 Ollama 模型切换，qwen2.5:7b 和 llama3.1:8b 循环加载，对应大块顺序读取；第二路大文件持续写入，512MB 文件循环创建和删除，模拟数据集拷贝；第三路小文件批量 IO，2000 个小文件循环创建和删除，模拟 Agent 持续产生会话日志。

三种负载分别对应顺序读取速度、大文件顺序写入速度、小文件随机写入性能，覆盖了 AI 场景下最典型的三类 IO 行为。整套并发压力测试持续 2 分钟结束后，三路业务全部稳定运行，IO 报错次数为 0，程序卡死次数为 0，三路并行负载全部稳定跑通。测试过程中可以观测到，测试初期闪迪奥丁马仕 GX PRO 8100 直接跑满 PCIe5.0 带宽上限，盘体温度随压力持续稳步上行；当平台配备合格散热模组时整体性能曲线平滑，不存在断崖式性能下跌。这个测试充分说明，对于闪迪奥丁马仕 GX PRO 8100 这类 PCIe5.0 旗舰产品，散热模组不是可选配件，想要完整发挥它在 AI 混合负载下的全部实力，平台的散热配置是硬性前提。在散热到位的情况下，它可以从容应对大模型、Agent、文件拷贝同时运行的复杂并发场景。

5 写在最后

在 AIPC 场景中，存储早已不只是拷贝文件的介质，而是承担大模型权重读取、Agent 海量小文件读写、多数据集存放、工作流回写的核心任务。经过合成基准、Ollama 大模型加载、ComfyUI 工作流、OpenClaw 小龙虾 AIAgent、万级小文件压力、高磁盘占用工况、Agent 文件整理、三路混合并发压力的完整测试，闪迪奥丁马仕 GX PRO 8100 给我们留下了深刻的印象。

这些结果说明闪迪奥丁马仕 GX PRO 8100 不只是峰值跑分高，在 AI 场景最需要的混合负载稳定性、小文件处理能力、高占用一致性方面也有扎实表现，而且 2TB 版本高达 1200TBW 耐久度对常规 AI 使用足够充裕。

回到用户选择层面，此次测试的三款产品对应着三类不同的 AIPC 用户。闪迪奥丁马仕 GX PRO 8100 属于重度本地 AI 用户优选，PCIe5.0 规格搭配高达 14.9GB/s 读取速度、丰富容量选择和 1200TBW 耐久度（2TB 容量版本），足以同时容纳多套大模型和数据集，并且能够轻松应对 AI 复杂负载工作流。

闪迪奥丁马仕 GX PRO 850X 则更适合主流 AIPC 用户，PCIe4.0 带宽对大多数本地大模型加载已经够用，带独立 DRAM 缓存的设计让 4K 多线程读写双双接近 1000MB/s，足够应对日常 AI 工作使用。

而闪迪奥丁马仕 GX 7100 则是想要在轻薄本上跑 AI 模型的用户的不二之选，它不需要强力散热就能长时间稳定工作，随机读写性能同样接近 1000MB/s，跑本地大模型和轻量级 Agent 完全够用。

SANDISK Optimus 闪迪奥丁马仕系列还包含了一款面向日常游戏娱乐综合使用的产品——闪迪奥丁马仕 5100 NVMe SSD，轻松应对入门级 AI 体验需求。如果是刚接触本地大模型的入门用户、仅需运行轻量级知识库，或是在一台 PC 上兼顾日常游戏、办公与偶尔的本地 AI 模型尝鲜需求，这款产品会是非常适配的选择。它采用 PCIe4.0 x4 接口，搭载闪迪第八代 BiCS8 QLC 3D CBANAND 闪存颗粒，其中顺序读取速度高达 7100MB/s，顺序写入速度高达 6700MB/s（1TB-2TB 容量版本），同时提供高达 4TB 的大容量版本可选，能够轻松容纳多个轻量级模型与游戏文件。该产品同样搭载 SANDISK nCache 4.0 技术，在大文件拷贝、多任务并发场景下可以有效提升响应效率，搭配 M.2 2280 的纤薄规格，可适配绝大多数用户日常游戏与轻度 AI 体验的存储需求。

当 AI 从云端走向桌面，当大模型和 Agent 成为越来越多人的日常工具，PC 的性能瓶颈正在从 CPU 和 GPU 悄悄转移到存储。一块好的 SSD，不再只是拷贝文件快一点，而是决定了你的模型加载要等多久、Agent 启动会不会卡顿、磁盘塞满后性能还能不能稳住。SANDISK Optimus 闪迪奥丁马仕系列用覆盖从 PCIe4.0 到 PCIe5.0 的完整产品线，给不同阶段的 AIPC 用户提供了清晰的存储答案。而这，或许只是 AI 时代存储变革的开始。