SSD для локального AI: почему скорость накопителя становится критичной для AI PC

Локальный искусственный интеллект постепенно перестаёт быть экспериментом для энтузиастов. Модели DeepSeek, Qwen и других разработчиков уже можно запускать непосредственно на домашнем компьютере, а сценарии использования выходят далеко за рамки обычного чат-бота.

Локальные AI-ассистенты, обработка документов, расшифровка аудио, поиск по собственной базе знаний, генерация кода и работа с большими языковыми моделями требуют не только мощного процессора и видеокарты. Всё большее значение получает SSD, поскольку именно накопитель отвечает за хранение моделей, их загрузку, обмен данными и работу с кэшем.

PConline протестировал флагманский SANDISK Optimus GX PRO 8100 2 ТБ в нескольких сценариях локального AI и сравнил его возможности с более медленными накопителями. Результаты показывают, что в определённых задачах разница между быстрым PCIe 5.0 SSD и обычным накопителем может быть заметна не только в синтетических тестах.

Почему локальный AI предъявляет особые требования к SSD

При обычной работе компьютера накопитель чаще всего воспринимается как место для хранения файлов, игр и операционной системы. В локальном AI его роль становится значительно шире.

Модель нужно сначала загрузить с SSD в оперативную память или видеопамять. Затем система может обращаться к данным модели, кэшам, индексам и дополнительным файлам. При создании локальной базы знаний приходится читать множество документов и записывать результаты индексации.

Если оперативной памяти недостаточно для конкретной нагрузки, часть данных может перемещаться между системной памятью и накопителем, увеличивая требования к скорости хранения.

Поэтому для AI-сценариев важны сразу несколько характеристик:

• скорость последовательного чтения;

• производительность случайных операций;

• объём SSD;

• стабильность при длительной нагрузке;

• энергопотребление;

• ресурс записи.

Иными словами, SSD в AI PC становится не просто «складом» для моделей, а частью вычислительного конвейера.

Сколько места занимают локальные AI-модели

Главная проблема для пользователя, который начинает экспериментировать с локальным AI, — объём данных.

Размер зависит от количества параметров и используемой степени квантования. В исходном тестировании приводятся следующие ориентиры для 4-битных моделей:

Модель	Примерный объём
7–8B	4–5 ГБ
14B	8–9 ГБ
32B	18–20 ГБ
70B	около 40 ГБ

И это только сами модели.

На SSD дополнительно могут находиться версии разных моделей, файлы голосовых моделей, документы, изображения, базы знаний, векторные индексы, кэши и результаты работы AI.

Поэтому пользователю, который активно экспериментирует с локальными моделями, довольно быстро может потребоваться несколько сотен гигабайт дополнительного пространства.

Почему одной высокой последовательной скорости недостаточно

На коробке современного SSD обычно крупными цифрами указываются показатели последовательного чтения и записи.

Для PCIe 5.0 моделей скорость чтения уже может приближаться к 15 ГБ/с. Это действительно важно при загрузке крупных файлов, однако локальный AI создаёт и другие типы нагрузки.

Например, при работе с базой знаний приложение может обращаться к тысячам небольших файлов. В таком случае на первый план выходят случайные операции и показатель IOPS.

Поэтому хороший SSD для AI должен сочетать:

высокую последовательную скорость + высокие IOPS + стабильную работу под длительной нагрузкой.

Именно такая комбинация позволяет накопителю не становиться узким местом при одновременной работе нескольких приложений.

SANDISK Optimus GX PRO 8100: характеристики

В качестве основного тестового накопителя PConline использовал SANDISK Optimus GX PRO 8100 2 ТБ.

Это PCIe 5.0 x4 NVMe SSD в формате M.2 2280 с поддержкой NVMe 2.0. В накопителе используются TLC NAND-память SANDISK BiCS8, отдельная DRAM-кэш-память и технология nCache 4.0.

Для версий на 2 и 4 ТБ заявлены:

• последовательное чтение — до 14 900 МБ/с;

• последовательная запись — до 14 000 МБ/с;

• случайное чтение — до 2,3 млн IOPS;

• случайная запись — до 2,4 млн IOPS.

Среднее энергопотребление заявлено на уровне не более 7,5 Вт, а для версии 2 ТБ показатель выносливости составляет 1200 TBW. Производитель предоставляет пятилетнюю ограниченную гарантию.

 

Что показал CrystalDiskMark

В тестовой системе использовались:

• AMD Ryzen 7 9800X3D;

• материнская плата MSI MEG X870E GODLIKE X EDITION;

• GeForce RTX 5080;

• 32 ГБ DDR5-8000;

• SANDISK Optimus GX PRO 8100 2 ТБ;

• Windows 11.

В CrystalDiskMark накопитель продемонстрировал 14 957 МБ/с при последовательном чтении и 14 130 МБ/с при записи.

Другой тест — TxBENCH — показал около 14 836/13 866 МБ/с соответственно. Таким образом, SSD действительно способен работать на уровне, близком к заявленным производителем значениям.

Большой SLC-кэш помогает при работе с моделями

Особенно интересным оказался тест непрерывной записи всего накопителя.

В режиме SLC-кэширования SSD способен поддерживать около 14 000 МБ/с, причём размер выделенного кэша для версии 2 ТБ составил примерно 628 ГБ.

После заполнения этой области скорость записи снизилась примерно до 4 000 МБ/с, но резкого обвала производительности не произошло.

Максимальная температура накопителя во время теста составила около 61 °C, при этом троттлинг не был зафиксирован.

Для AI-сценариев это важно: даже очень крупная модель или набор данных обычно не создаёт настолько большого объёма единовременной записи, чтобы быстро вывести накопитель за пределы его быстрого кэша.

Загрузка локальных моделей: разница может составлять десятки секунд

Самый наглядный тест — загрузка языковых моделей.

PConline использовал LM Studio и проверил несколько моделей, измеряя время от запуска загрузки до полной готовности модели к диалогу.

DeepSeek-R1 4B

Небольшая модель загрузилась примерно за 4,33 секунды.

Для такой модели разница между быстрыми и медленными накопителями уже не столь драматична, поскольку сам объём данных сравнительно небольшой.

DeepSeek-R1 14B

Здесь GX PRO 8100 потребовалось около 8,81 секунды.

На обычном внешнем SSD аналогичная загрузка занимала примерно 14,91 секунды.

Разница составила около шести секунд при каждом запуске модели.

DeepSeek-R1 32B

При работе с моделью уровня 32B время загрузки увеличилось до 16,61 секунды.

Для сравнения, внешний SSD справился с той же задачей примерно за 28,71 секунды.

Чем крупнее модель, тем сильнее начинает проявляться преимущество высокой последовательной скорости чтения.

Qwen3.8-27B

Ещё один интересный результат показала модель Qwen3.8-27B.

На GX PRO 8100 она загружалась примерно за 14,84 секунды, тогда как на сравнительном внешнем SSD процесс занимал около 40,09 секунды.

Таким образом, при частом переключении между крупными моделями разница во времени ожидания становится вполне ощутимой.

Почему скорость SSD заметна при переключении моделей

Пользователь локального AI редко работает только с одной моделью.

Например, для генерации кода можно использовать одну модель, для анализа документов — другую, а для обработки аудио — третью.

Каждое переключение означает загрузку большого объёма данных.

Если модель занимает 20–40 ГБ, разница между условными 3–4 ГБ/с и более чем 14 ГБ/с превращается в десятки секунд ожидания.

При редком использовании это не имеет большого значения. Но если модели меняются десятки раз в течение рабочего дня, накопитель начинает напрямую влиять на удобство рабочего процесса.

100 ГБ данных: скорость особенно заметна при больших объёмах

Следующий сценарий — перенос большого массива файлов.

В тесте PConline использовалась папка объёмом 100 ГБ. На GX PRO 8100 копирование завершилось примерно за 35 секунд, что соответствует средней скорости более 3,5 ГБ/с.

Для пользователя локального AI такой сценарий вполне реалистичен.

Например, это может быть:

• архив документов;

• коллекция PDF;

• аудиозаписи;

• изображения;

• исходный код;

• набор данных для анализа;

• несколько моделей одновременно.

При работе с большими массивами файлов высокая пропускная способность SSD сокращает время подготовки рабочего окружения.

Создание локальной базы знаний

Отдельный тест был проведён с AnythingLLM.

В приложение загрузили 247 документов, после чего началось построение векторного индекса.

Весь процесс на GX PRO 8100 занял около 42 секунд.

Это уже не обычная последовательная запись одного большого файла. Система должна обработать большое количество отдельных документов и записать результаты индексации.

Поэтому здесь становятся особенно важны случайные операции и способность SSD эффективно обслуживать большое количество запросов.

Длительная нагрузка: важна не только скорость, но и температура

AI-задачи могут продолжаться десятки минут или несколько часов.

Например, пользователь может одновременно:

• расшифровывать несколько часов аудио;

• индексировать документы;

• обрабатывать большую коллекцию фотографий;

• запускать локальную языковую модель;

• сохранять результаты работы.

Если SSD перегревается, контроллер может снизить скорость, чтобы защитить накопитель.

В тесте с программой Buzz и моделью Whisper обрабатывался массив аудио общей продолжительностью 28 часов.

Весь материал был преобразован в текст примерно за 35 минут, при этом заметного падения производительности от начала до конца теста не наблюдалось.

Температура SSD в обычном корпусе с нормальным воздушным потоком находилась примерно в диапазоне 31–43 °C.

Многозадачность: SSD может влиять на стабильность AI-сценария

Типичный AI PC редко работает только с одной программой.

Представим ситуацию, когда локальная модель генерирует ответы в фоновом режиме, а пользователь одновременно:

• работает с браузером;

• редактирует документы;

• ищет информацию;

• загружает файлы;

• обновляет локальную базу знаний.

В таком режиме появляется большое количество смешанных запросов к накопителю.

В тесте с моделью Qwen3.8-27B скорость генерации без дополнительной нагрузки составляла около 10,75 токена/с.

При параллельной работе с документами, браузером и другими задачами показатель составил около 10,74 токена/с.

Практически неизменный результат показывает, что в данном тестовом сценарии SSD не стал заметным ограничением для AI-модели.

Нужен ли PCIe 5.0 SSD каждому пользователю AI

Не обязательно.

Это один из главных практических выводов материала.

Если пользователь запускает небольшие модели уровня 7B–14B, редко переключается между ними и не работает с большими базами данных, дорогой PCIe 5.0 SSD не является обязательным условием.

Для таких задач вполне может хватить хорошего PCIe 4.0 накопителя.

PCIe 5.0 начинает приобретать больший смысл, когда пользователь:

• регулярно работает с крупными моделями;

• часто переключается между ними;

• переносит десятки и сотни гигабайт данных;

• создаёт большие локальные базы знаний;

• использует AI как рабочий инструмент каждый день;

• одновременно выполняет несколько тяжёлых операций.

GX PRO 850X: вариант для PCIe 4.0

В линейке SANDISK Optimus есть и более доступный вариант — GX PRO 850X с интерфейсом PCIe 4.0.

Для моделей объёмом 2–4 ТБ заявлены:

• чтение до 7300 МБ/с;

• запись до 6600 МБ/с;

• случайное чтение до 1,2 млн IOPS;

• случайная запись до 1,1 млн IOPS.

В тестировании версии 2 ТБ скорость последовательного чтения достигла 7367 МБ/с, записи — 6692 МБ/с.

Qwen3.8-27B загружалась примерно за 22,46 секунды.

Для компьютера на PCIe 4.0 такой накопитель выглядит более логичным вариантом, поскольку пользователь не сможет полностью реализовать преимущества PCIe 5.0 без соответствующей платформы.

GX 7100: акцент на энергоэффективность

Для ноутбуков и портативных устройств в линейке предусмотрен GX 7100.

Это DRAM-less SSD с заявленной последовательной скоростью до 7250 МБ/с чтения и 6900 МБ/с записи для моделей 1 и 2 ТБ.

При этом основное внимание уделено энергоэффективности: среднее энергопотребление заявлено примерно на уровне 3,4–4,1 Вт.

В тесте версия 2 ТБ показала около 7383 МБ/с при чтении и 6971 МБ/с при записи, а загрузка Qwen3.8-27B занимала около 22,89 секунды.

Для ноутбука такой подход может быть более рациональным, чем использование максимально производительного PCIe 5.0 SSD с более высоким энергопотреблением и тепловыделением.

GX 5100: вариант для начинающих пользователей AI

В нижней части линейки находится SANDISK Optimus 5100, использующий PCIe 4.0 x4 и BiCS8 3D NAND.

Для моделей объёмом 1–2 ТБ заявлена скорость последовательного чтения до 7100 МБ/с, а максимальная ёмкость достигает 4 ТБ.

Такой накопитель ориентирован на пользователей, которым нужны базовые возможности локального AI без перехода к флагманскому уровню SSD.

Какой SSD выбрать для локального AI

Условно сценарии можно разделить следующим образом:

Сценарий	Подходящий класс SSD
Первые эксперименты с AI	PCIe 4.0
Модели 7B–14B	Хороший PCIe 4.0
Крупные модели 27B–32B	Быстрый PCIe 4.0 или PCIe 5.0
Частая работа с моделями 30B+	PCIe 5.0 предпочтителен
Большие базы знаний	Высокие IOPS и большой объём
Постоянная AI-нагрузка	Важны охлаждение и стабильность
Ноутбук	Низкое энергопотребление
AI + профессиональная работа	Большой объём и высокий ресурс записи

При этом нельзя оценивать SSD только по максимальной скорости чтения. Для локального AI важен баланс всех параметров.

2 ТБ или 4 ТБ для AI PC?

Для компьютера, который используется только для небольших моделей, 1 ТБ может оказаться достаточным.

Однако при активной работе с локальным AI 2 ТБ выглядит более практичным объёмом.

На таком SSD можно одновременно хранить несколько моделей, документы, базы знаний, приложения и обычные пользовательские данные.

Если пользователь регулярно экспериментирует с десятками моделей и большими наборами данных, имеет смысл рассматривать 4 ТБ.

При этом увеличение ёмкости полезно не только из-за свободного места: крупные модели SSD часто получают более высокий ресурс записи и дополнительные возможности по организации кэширования.

SSD становится частью AI-инфраструктуры

Появление локальных AI-моделей постепенно меняет требования к компьютеру.

Раньше при покупке мощного ПК пользователь мог сосредоточиться на процессоре и видеокарте, а SSD выбрать практически любой современный.

Теперь ситуация меняется.

CPU и GPU определяют вычислительную мощность, а SSD во многих сценариях определяет скорость загрузки моделей, обработки данных и работы с локальными базами.

Особенно это заметно при использовании больших моделей, многозадачности и длительных рабочих процессов.

При этом покупать максимально дорогой SSD всем подряд не требуется. Для небольших моделей качественный PCIe 4.0 накопитель может обеспечить вполне комфортную работу.

Главное — правильно сопоставить объём и производительность SSD с теми моделями и задачами, которые пользователь действительно собирается запускать.

Итог

Локальный AI постепенно превращает SSD из вспомогательного компонента в полноценную часть вычислительной системы.

Тестирование SANDISK Optimus GX PRO 8100 2 ТБ показывает, что высокая скорость хранения действительно может сокращать время загрузки крупных моделей и ускорять работу с большими массивами данных. В тестах последовательное чтение достигало почти 15 ГБ/с, а загрузка некоторых моделей была существенно быстрее, чем на обычном внешнем SSD.

Однако главный вывод заключается не в том, что каждому AI PC нужен именно PCIe 5.0 SSD.

Для небольших моделей достаточно качественного PCIe 4.0 накопителя. PCIe 5.0 раскрывает преимущества прежде всего при работе с крупными моделями, большими базами знаний и интенсивными потоками данных.

При выборе SSD для локального AI стоит смотреть сразу на четыре параметра: объём, последовательную скорость, случайную производительность и стабильность под длительной нагрузкой.

Именно сочетание этих характеристик определяет, станет ли накопитель незаметной частью AI PC или превратится в его узкое место.