AI PC 的下半场，算力之外还有存储这道关

过去两年，AI PC 几乎成了整个 PC 行业最炙手可热的概念。从芯片厂商到整机品牌，从操作系统到应用生态，所有人都在讲述同一个故事：AI 正在从云端走向本地。最初，这个趋势更多停留在概念层面—— NPU 算力、TOPS 数字、端侧大模型，听起来都很美好，但普通用户的感知并不强烈。然而现在情况发生了实质性的变化。以 DeepSeek、Qwen、MiniMax 为代表的开源大模型生态彻底爆发，各类经过蒸馏和量化压缩的中小参数模型，已经可以在家用 PC 上流畅运行。本地 AI 助手、离线知识库问答、本地语音转写、AI 驱动的代码补全、会议纪要自动整理，这些曾经必须依赖云端 API 的功能，如今在一台配置合理的个人电脑上就能完成，既不用支付订阅费用，也不必担心隐私数据上传云端的安全问题。

闪迪 Optimus GX PRO 8100 2TB M.2 SSD 电商价格   京东商城：￥4999

这股潮流背后，是用户对 AI 态度的微妙转变。大家不再满足于 " 联网问一句、云端答一句 " 的浅层体验，而是希望 AI 真正成为自己电脑里一个随叫随到、完全私有、响应即时的工具。高校学生在宿舍用本地大模型整理论文文献和课堂录音，职场人把会议录音丢给本地模型生成纪要，考研党用本地知识库搭建自己的复习问答系统——这些场景的共同点是：模型要常驻本地，数据要在本地流转，整个工作流完全在自己的 SSD 上跑完。

也正是在这个过程中，一个过去被严重低估的硬件环节开始浮出水面：存储。当我们讨论 AI PC 时，注意力往往集中在 CPU、GPU 和 NPU 的算力指标上，却很少有人认真思考一个问题——几十 GB 的模型文件要从哪里读取？每秒数 GB 的推理数据要在哪里流转？动辄数小时的连续负载要由谁来稳定承载？答案都是内置固态硬盘。

本地 AI 工作负载对存储提出的要求，与游戏加载、日常办公截然不同：它需要的是强悍的随机读写性能来应对模型权重的碎片化读取，需要足够大的容量来容纳不断膨胀的模型库和数据集，需要出色的能效与散热控制来保证长时间推理过程中的性能一致性，还需要足够高的耐久度来承受频繁的模型加载、数据交换与缓存写入。可以说，在本地 AI 时代，SSD 正在从一个 " 仓库 " 变成一条 " 高速公路 "，它的规格直接决定了 AI 体验的流畅度。

本次我们将做一次贴近真实使用场景的实测：围绕当下热门的本地 AI 应用场景，检验存储设备在 AI 工作负载下的真实表现。本次测试的重点产品，是闪迪旗下 SANDISK Optimus 闪迪奥丁马仕系列的旗舰型号——闪迪奥丁马仕 GX PRO 8100 NVMe SSD。

在正式开始测试之前，有必要先介绍一下这个系列。SANDISK Optimus 闪迪奥丁马仕系列是闪迪专为游戏玩家和专业人士打造的客户端 SSD 产品线的焕新名称，旗下包含 SANDISK Optimus 系列、SANDISK Optimus GX 系列以及 SANDISK Optimus GX PRO 系列三大产品线。

本地 AI 工作，到底需要怎样的 SSD？

测试前我们先把本地 AI 场景对存储的需求拆解清楚。很多人对 AI 应用的存储压力缺乏直观认知，以为模型下载一次、加载一次就结束了，实则不然。

首先是容量层面的压力。本地 AI 用户，SSD 里往往不止一个模型。以当前主流的量化模型为例，一个 7B 至 8B 参数级别的模型在 4bit 量化后约占 4GB 至 5GB 空间，14B 级别约 8GB 至 9GB，32B 级别约 18GB 至 20GB，而 70B 级别即便压缩到 4bit 量化也需要 40GB 上下。如果你还想体验未经量化的原始精度版本，体积还要翻倍甚至数倍。再加上语音模型的模型文件、本地知识库的向量索引、源源不断积累的对话数据与文档资料，存储占用突破 200GB 只是时间问题，达到 500GB 以上也并不稀奇。更关键的是，模型生态迭代极快，新架构、新版本层出不穷，用户普遍会同时保留多个版本的模型以便对比和切换，存储需求是持续增长的。

其次是性能层面的压力。AI 模型加载本质上是一次超大文件的高强度读取过程，加载速度直接取决于 SSD 的顺序读取能力—— SSD 越快，从双击启动到开口对话的等待时间就越短。而在推理过程中，情况则更加复杂：当内存不足以容纳整个模型时，系统需要将部分模型层换出到 SSD，此时决定体验的是 SSD 的随机读写性能，成千上万个小块的随机读取密集发生，SSD 的 IOPS 水平直接影响回答生成的流畅度。此外，向量数据库的检索、知识库文档的索引更新、长上下文处理中的缓存交换，都是典型的随机读写密集型负载。这也就解释了为什么闪迪奥丁马仕 GX PRO 8100 在产品定义上如此强调随机性能—— AI 模型的高效运行，恰恰依赖出色的随机读写表现。

最后是稳定性与耐久层面的压力。与游戏加载 " 读一把就歇 " 的间歇性负载不同，本地 AI 推理一旦开始，往往是连续数十分钟乃至数小时的持续工作。批量文档处理、长时间语音转写、大规模知识库索引构建，这些任务会让 SSD 长时间处于高负载状态。如果 SSD 的功耗控制不佳、散热能力不足，温度升高后触发降速，用户会明显感觉到 AI 响应越用越慢。而频繁的模型加载、缓存写入、数据交换，也在持续消耗 SSD 的写入寿命，写入密集型的工作负载对 SSD 的 TBW 指标提出了实实在在的要求。

综上所述，一块适合本地 AI 场景的 SSD，必须同时满足四个条件：足够快的顺序读取速度、足够强的随机读写性能、足够大的容量、足够优秀的能效与耐久。

闪迪奥丁马仕 GX PRO 8100 NVMe SSD 规格介绍

本次我们测试使用的闪迪奥丁马仕 GX PRO 8100 是 SANDISK Optimus 闪迪奥丁马仕系列的旗舰产品，采用 M.2 2280 规格与 PCIe 5.0 x4 接口，支持 NVMe 2.0 协议，搭载闪迪第八代 SANDISK BiCS TLC 3D CBA NAND 闪存，配备独立 DRAM 缓存，并采用 SANDISK nCache 4.0 技术提升突发写入表现。

产品提供丰富容量版本可选，其中 2TB 与 4TB 容量版本的顺序读取速度高达 14,900MB/s、顺序写入速度高达 14,000MB/s，随机读写性能高达 2.3M/2.4M IOPS ——这组数字在当前的消费级 SSD 市场中处于绝对的第一梯队。

能效方面，相较于闪迪 PCIe Gen 4.0 SSD，这款产品的能效提升超过 2 倍（1TB 至 4TB 容量版本），平均运行功耗可控制在 7.5W 或更低。耐久度方面，以我们手上这款 2TB 容量版本的为例，其拥有高达 1,200TBW 耐久度，配合 5 年有限质保与支持 TCG Opal v2.02 的静态数据加密能力，完全是为高强度写入密集型工作负载量身打造。

再介绍一下我们本次的实测平台：处理器为 AMD Ryzen 7 9800X3D，主板为微星 MEG X870E GODLIKE X EDITION 超神，显卡为 NVIDIA GeForce RTX 5080，内存为 DDR5-8000 16GB × 2 套装，测试样品为闪迪奥丁马仕 GX PRO 8100 2TB 容量版本，操作系统为 Windows 11，所有 AI 应用与模型文件均部署在该 SSD 上。

测试软件方面，基准性能使用 CrystalDiskMark 8 与 TxBENCH，本地大模型运行环境为 LM Studio，知识库构建使用 AnythingLLM，语音转写则使用基于 Whisper 模型的 Buzz。

基准性能测试

我们先通过 CrystalDiskInfo 与主控闪存识别工具看了看这块 SSD 的 " 底子 "。CrystalDiskInfo 信息显示，这块闪迪奥丁马仕 GX PRO 8100 2TB 实际可用容量为 2000.3GB，固件版本 830ZRR0A，正确运行在 PCIe 5.0 x4 全速模式下，支持 NVMe 2.0 标准，开箱健康度 100%，待机温度仅 31 ° C。

另外，我们还可以从图中看到这款 SSD 的主控采用慧荣 SM2508 八通道旗舰主控，闪存颗粒则是闪迪自家 218 层 BiCS8 TLC 闪存，单 die 容量 1024Gb、4 Plane 设计。这套 " 八通道旗舰主控 + 原厂 218 层 TLC 颗粒 " 的组合，正是当前 PCIe 5.0 SSD 中的顶级配置，既为逼近 15GB/s 的顺序速度提供了通道与颗粒基础，也为其出色的能效表现埋下了伏笔。

接着我们再用 CrystalDiskMark 8 对这块闪迪奥丁马仕 GX PRO 8100 2TB 进行了理论性能验证。实测结果显示，其顺序读取速度达到 14957MB/s，顺序写入速度达到 14130MB/s，双双超过了官方标称值。

而在 TxBENCH 的交叉验证中，该盘顺序读写速度同样跑出 14,836/13,866MB/s 的高水准。

为了进一步探究这块 SSD 在极限写入状态下的表现，我们还使用 TxBENCH 对其进行了 RAW 全盘写入测试，结果揭示了 SANDISK nCache 4.0 技术的底气所在：这块 2TB 容量版本的闪迪奥丁马仕 GX PRO 8100 拥有高达约 628GB 的 SLC 缓存空间，在缓存区间内写入速度可以稳定维持在 14,000MB/s 左右的全速状态；即便 628GB 缓存耗尽进入缓外直写阶段，写入速度依然能够稳定在约 4,000MB/s 的水平，没有出现断崖式下跌。全盘写入过程中，SSD 温度最高仅约 61 ° C，全程未触发过热降速。

即便你一次性向 SSD 灌入整个 70B 级别的模型库外加数百 GB 的数据集，也始终跑在全速缓存区间内——对于 AI 场景动辄数十 GB 的模型文件迁移而言，日常使用中几乎不可能触达它的缓外状态。那这款 SSD 在真实 AI 场景中究竟又能带来多大的体验差异？一起跟我们看看下面的实测吧。

实测一：本地大模型加载，等待时间缩短一半以上

本地 AI 体验的第一个分水岭，就是模型加载速度。我们在测试平台上部署了基于 LM Studio 的本地模型运行环境，选取了四个当下最热门的开源模型进行加载测试：DeepSeek-R1 蒸馏版 4B、DeepSeek-R1 蒸馏版 14B、DeepSeek-R1 蒸馏版 32B，以及 Qwen3.8-27B。测试方法为冷启动加载：每次测试前清空系统缓存，从点击加载到模型完全载入就绪、可以开始首轮对话为止，用秒表精确计时。

首先是 DeepSeek-R1 蒸馏版 4B。这是四个模型中体积最小的一个，也是许多用户入门本地 AI 的第一个模型。实测中，它在闪迪奥丁马仕 GX PRO 8100 2TB 版本上的加载耗时约 4.33 秒，几乎是在点击加载的瞬间就完成了就绪。对于轻量级的日常问答、快速翻译这类高频调用场景来说，你几乎感觉不到 " 加载 " 这个环节的存在。

接下来是 DeepSeek-R1 蒸馏版 14B。这是目前兼顾回答质量与硬件门槛的热门甜点级模型，参数规模上来之后，模型文件体积明显增大，对存储读取速度的要求也随之提高。实测中，它在闪迪奥丁马仕 GX PRO 8100 2TB 版本上的加载耗时约 8.81 秒。

作为对照，同一个模型在普通移动固态硬盘上加载需要约 14.91 秒——差距接近一倍，存储带宽的作用开始显现。

然后是 DeepSeek-R1 蒸馏版 32B。这已经是消费级平台上能够流畅运行的顶级参数规模之一，模型文件接近 20GB，是检验存储性能的绝佳样本。实测中，它在闪迪奥丁马仕 GX PRO 8100 2TB 版本上的加载耗时约 16.61 秒，逼近 20GB 的模型文件在十几秒内被完整读入，顺序读取速度的硬实力展露无遗。

而同一个模型在普通移动固态硬盘上需要约 28.71 秒才能就绪——等待时间被拉长到将近两倍，每次切换模型都得多等十几秒。

最后是近期火热的 Qwen3.8-27B 模型。它的模型文件体量与 32B 级别相当，同样是存储性能的压力测试。实测中，它在闪迪奥丁马仕 GX PRO 8100 2TB 版本上的加载耗时约 14.84 秒。

而在普通移动固态硬盘上，这个数字是约 40.09 秒——差距接近三倍。40 秒的等待已经长到足以打断工作思路，而 14 秒则刚好是切换模型后顺理成章开始提问的节奏。

这组数据落到实际体验上的差异是直观的。对于把本地 AI 当作高频工具的用户来说，一天之内多次启动、切换模型是常态——写代码时用代码专精模型，整理资料时切换到通用对话模型，处理录音时再调用语音模型。在闪迪奥丁马仕 GX PRO 8100 上，每次切换几乎是 " 即点即开 "，而在普通移动固态硬盘上，每次切换都要付出十几秒甚至半分钟的等待。更值得注意的是加载过程中的曲线形态：凭借 SANDISK nCache 4.0 技术与强悍的顺序读取能力，这块 SSD 的加载曲线几乎是一条平直的高速直线，全程没有出现明显的速度波动，而对比普通移动固态硬盘在加载后半段多次出现速率下探。这种一致性，恰恰是旗舰级主控与优质 NAND 闪存协同的结果。

实测二：大文件吞吐与知识库构建，海量数据从容流转

本地 AI 的第二类高负载场景，是数据集的搬运与知识库的构建。无论是把大量 PDF 文档、录音文件导入本地 AI 应用，还是构建个人知识库的向量索引，本质上都是对 SSD 的大文件读写与混合读写能力的考验。

我们模拟了一个典型的知识库构建任务：将总计 100GB 的混合文件从外置存储迁移至测试盘，并在迁移完成后执行本地知识库应用的索引构建。在闪迪奥丁马仕 GX PRO 8100 上，100GB 文件夹的完整复制仅耗时 35 秒，平均吞吐超过 3.5GB/s。

而在索引构建环节，应用需要密集读取数千个文档文件并写入向量数据库，这是典型的随机混合负载，这块 2TB 容量版本 SSD 高达 2.3M/2.4M IOPS 的随机读写性能在此发挥了关键作用——使用 AnythingLLM 将总计 247 份文档导入工作区并执行向量索引构建，总耗时仅 42 秒，整个过程进度推进顺滑流畅，没有出现低性能存储产品上常见的 " 长时间卡在某一份文件 " 的现象。

对于需要频繁更新知识库的用户而言，这种效率提升是会随着数据量放大而持续累积的。今天省下的几十秒，在一年数百次的知识库更新中，就是节约了数个小时的等待时间。

实测三：长时间持续负载，稳定性才是 AI 场景的硬指标

如果说前两项测试考察的是爆发力，那么这一项考察的就是耐力。我们设计了一个贴近真实使用强度的长时负载测试：使用基于 Whisper 模型的本地语音转写软件 Buzz，对总长 28 小时的音频素材进行连续批量转写，将其全部转换为 TXT 字幕文件。整个过程中 SSD 持续处于模型驻留、音频读取与文本写入的混合负载状态。

结果令人印象深刻：28 小时的音频总量，全部转写完成仅耗时 35 分钟，且从第一个文件到最后一个文件，转写速度始终保持一致，没有出现任何可感知的性能衰减。这背后是其在能效上的硬功夫——这款 SSD 的平均运行功耗可控制在 7.5W 或更低，相比上一代 PCIe 4.0 产品能效提升超过 2 倍（1TB 至 4TB 容量版本），更低的功耗意味着更少的发热，也就从源头降低了过热降速的概率。测试全程我们通过 HWiNFO64 监控了 SSD 温度，在机箱常规风道下，其工作温度始终稳定在 31 ° C 至 43 ° C 的健康区间，距离降速阈值还有相当大的余量。

这一点对于 AI PC 用户尤为重要。本地 AI 应用的使用模式天然是 " 挂机式 " 的——批量转写、批量索引、长时间推理，用户往往把任务挂在那里就去做别的事情。一块在长时间负载下会 " 掉速 " 的 SSD，会让后半程任务的完成时间不可控地延长；而闪迪奥丁马仕 GX PRO 8100 2TB 版本在整个测试过程中展现出的性能一致性非常可观，用户完全可以精确预估任务时间，把 AI 工作流真正纳入自己的日程管理。

实测四：多任务并行，随机性能决定流畅下限

真实的 AI PC 使用场景，很少是 " 只跑一个 AI"。更常见的状态是：本地大模型在后台回答你整理好的批量问题，前台同时开着浏览器查阅资料、挂着即时通讯软件、编辑文档，甚至还在进行模型文件的下载。这种多任务并行状态下，系统对存储的请求是高度随机且突发密集的。

我们在闪迪奥丁马仕 GX PRO 8100 2TB 版本上模拟了这一场景：后台运行 Qwen3.8-27B 大模型的连续推理输出，同时前台进行文档编辑、多标签页网页浏览与资料检索。实测数据显示，无后台任务时模型输出速度为 10.75 tok/s。

而在多任务并行状态下，输出速度为 10.74 tok/s ——两者几乎没有差别。整个过程中，系统响应始终保持轻快，前台应用的操作没有任何迟滞。逼近 15GB/s 的顺序带宽、超高随机性能与独立 DRAM 缓存的组合，让这块 SSD 在面对突发混合负载时游刃有余—— DRAM 缓存保证了地址映射表的快速访问，随机性能则保证了碎片化请求的即时响应，二者共同构筑了多任务场景下的流畅下限。

不同用户，该怎么选？SANDISK Optimus 闪迪奥丁马仕系列全满足！

通过本轮实测我们可以确认，本地 AI 工作负载确实对存储提出了区别于传统应用的新要求，而 SANDISK Optimus 闪迪奥丁马仕系列不单只有旗舰级的闪迪奥丁马仕 GX PRO 8100，它还有不同定位的产品能够覆盖了从旗舰到主流的完整需求。

如果你是重度本地 AI 用户——会部署多个大参数模型、频繁进行知识库构建与批量数据处理、把本地 AI 当作日常生产力工具，那么闪迪奥丁马仕 GX PRO 8100 是不二之选。PCIe 5.0 接口带来的高达 14,900MB/s 顺序读取速度让模型加载与数据流转快如闪电，2.3M/2.4M IOPS 的随机性能（2TB 至 4TB 容量版本）保证推理与多任务场景的流畅，2 倍的能效提升（1TB 至 4TB 容量版本）与低至 7.5W 的平均功耗确保长时间 AI 任务的性能一致性。当然，它同样适合对加载速度有极致要求的硬核游戏玩家。对于搭建 AI PC、高性能工作站或旗舰游戏主机的用户而言，这就是当前消费级存储的性能天花板。

如果你的平台暂不支持 PCIe 5.0，但仍希望获得旗舰级的稳定体验，闪迪奥丁马仕 GX PRO 850X NVMe SSD 是 PCIe 4.0 阵营的标杆答案。高达 7,300/6,600MB/s 的顺序读写速度与高达 1.2M/1.1M IOPS 的随机性能（2TB 至 4TB 容量版本），应对中小规模本地模型的加载与推理毫无压力。

闪迪奥丁马仕 GX PRO 850X NVMe SSD 搭载独立 DRAM 缓存与 SANDISK nCache 4.0 技术，多任务场景表现稳健；拥有丰富可选容量版本、以手上 2TB 版本为例其拥有高达 1,200TBW 耐久度与 5 年有限质保的规格，与旗舰师兄看齐。

我们也对其 2TB 版本进行了实测：CrystalDiskMark 顺序读取速度高达 7,367MB/s、顺序写入速度高达 6,692MB/s，随机读取约 97.8 万 IOPS、随机写入约 118.4 万 IOPS；

在 Qwen3.8-27B 模型加载测试中耗时约 22.46 秒，应对中小规模本地模型的加载与推理没有压力。对于主流台式机用户、兼顾游戏与日常 AI 应用的学生群体与职场人士，它就是绝佳之选。

如果你的主战场是游戏本、轻薄本或掌上游戏设备，希望以更低的功耗获得轻快体验，闪迪奥丁马仕 GX 7100 NVMe SSD 则是高能效路线的代表。

它采用 DRAM-less 设计，顺序读取速度高达 7,250MB/s、顺序写入速度高达 6,900MB/s（1TB 与 2TB 容量版本），随机读写高达 1M/1.4M IOPS（1TB 至 2TB 容量版本），性能足以流畅运行 7B 至 14B 级别的本地模型；

其真正的杀手锏在于能效——平均读写功耗仅 3.4W 至 4.1W，对笔记本的续航与散热都极为友好，即使在移动场景下也能从容运行各类应用。实测中，其 2TB 版本 CrystalDiskMark 顺序读取速度高达 7,383MB/s、顺序写入速度高达 6,971MB/s，随机读取超过 102 万 IOPS；

Qwen3.8-27B 模型加载耗时约 22.89 秒，流畅运行中小参数本地模型不成问题。提供高达 4TB 的容量、1,200TBW 的耐久度（2TB 容量版本）与 5 年有限质保，让它成为宿舍装机、笔记本扩容与掌机升级场景下的不二之选。

对于本地 AI 的入门体验者、轻量级知识库用户，或是希望在一台 PC 上同时兼顾日常游戏与偶尔的本地模型尝鲜的人群而言，SANDISK Optimus 闪迪奥丁马仕系列同样提供了适配其需求的存储方案——闪迪奥丁马仕 5100 NVMe SSD。这款 SSD 采用 PCIe 4.0 x4 NVMe 接口，搭载新一代 SANDISK BiCS8 3D NAND 闪存技术，在 1TB 至 2TB 容量版本上可提供高达 7,100 MB/s 的顺序读取速度，同时拥有高达 4TB 的容量选项。该产品同样搭载 SANDISK nCache 4.0 技术，在大文件传输与突发写入场景下能够有效提升响应效率，并享有 5 年有限质保，延续了闪迪一贯的品质承诺。

写在最后：AI PC 时代，存储不再是配角

当 AI 真正住进电脑里，PC 的每一个硬件环节都在被重新定义。过去我们评价一块 SSD，看的更多是其游戏加载快不快、系统启动快不快；而在本地 AI 时代，存储设备需要同时扮演模型的高速通道、数据的中转枢纽与长时间负载的稳定基石三重角色。容量决定你能装下多少模型，顺序性能决定你要等多久，随机性能决定体验流不流畅，能效与耐久决定这套体验能稳定运行多少年。

AI 从云端走向本地的进程才刚刚开始，模型会越来越大，应用会越来越重，工作负载会越来越持续。在这样的趋势下，为 PC 选择一块不拖后腿的固态硬盘，或许是你为自己的 AI 体验所做的最划算的一笔投资。而 SANDISK Optimus 闪迪奥丁马仕系列已经做好了准备，无论你的平台与 AI 环境如何，都能从中找到匹配自己需求的那一块。