大模型加载慢、Agent总卡顿？AIPC的存储短板该补上了

【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。