隨著大模型技術(shù)規(guī)?；涞?，AI應(yīng)用的實(shí)時性正成為企業(yè)競爭力的核心。然而，在算力持續(xù)升級的同時，模型從存儲層加載至計算單元的環(huán)節(jié)卻日漸成為制約系統(tǒng)效率與彈性的關(guān)鍵瓶頸。緩慢或波動的加載過程，不僅會導(dǎo)致昂貴算力資源的閑置，更直接影響業(yè)務(wù)響應(yīng)質(zhì)量。由此可見，構(gòu)建高效、穩(wěn)定的數(shù)據(jù)供給通道，已成為AI基礎(chǔ)設(shè)施演進(jìn)的關(guān)鍵方向。

為驗(yàn)證企業(yè)級SSD在真實(shí)AI場景中的表現(xiàn)，憶聯(lián)選擇Ollama這一廣泛應(yīng)用的開源大模型部署平臺進(jìn)行深度測試。Ollama不僅能夠模擬典型的企業(yè)級AI工作負(fù)載，如多模型快速加載、高頻迭代等，其標(biāo)準(zhǔn)化的調(diào)用接口還可精準(zhǔn)反映底層存儲性能對模型準(zhǔn)備時間的實(shí)際影響，為存儲能力評估提供了一個客觀且可復(fù)現(xiàn)的測試環(huán)境。在本次測試中，憶聯(lián)UH812a憑借領(lǐng)先性能大幅降低數(shù)據(jù)加載耗時，這不僅驗(yàn)證了其作為AI數(shù)據(jù)底座的強(qiáng)大承載力，更彰顯了憶聯(lián)在高端企業(yè)級存儲領(lǐng)域的技術(shù)實(shí)力。

01測試軟硬件環(huán)境

02測試組網(wǎng)規(guī)劃

◎圖1：測試組網(wǎng)規(guī)劃圖

03測試步驟

步驟1

將待測SSD格式化為ext4文件系統(tǒng)，并掛載至指定目錄。

步驟2

將準(zhǔn)備好的離線大模型數(shù)據(jù)復(fù)制到SSD掛載的目錄。

步驟3

清空內(nèi)存，啟動Ollama服務(wù)，執(zhí)行模型加載命令，將目標(biāo)從SSD加載至顯存，并記錄加載耗時。該步驟重復(fù)執(zhí)行3次，取算術(shù)平均值作為最終測試結(jié)果。

04測試結(jié)果

1DeepSeek-R1系列模型加載性能測試

DeepSeek-R1作為業(yè)界主流的高性能開源模型，其參數(shù)規(guī)模從1.5B至671B不等，覆蓋了從輕量級到千億級的不同應(yīng)用場景。該類模型的加載過程具有典型的隨機(jī)讀取特征，對存儲設(shè)備抓取分散權(quán)重文件的IOPS性能提出了極高要求。本次測試覆蓋了7B（小規(guī)模）、70B（中等規(guī)模）及671B（大規(guī)模）三個版本。

結(jié)果表明，憶聯(lián)UH812a在Ollama平臺上的模型加載表現(xiàn)全面優(yōu)于競品：

Ollama加載DeepSeek-R1:671B模型：基于UH812a的平均耗時較競品A降低48%；

Ollama加載DeepSeek-R1:70B模型：基于UH812a的平均耗時較競品A降低36%；

Ollama加載DeepSeek-R1:7B模型：基于UH812a的平均耗時較競品A降低21%。

◎圖2：Ollama加載DeepSeek-R1模型平均耗時(s)對比

DeepSeek-R1系列模型測試證明，憶聯(lián)UH812a憑借卓越的隨機(jī)讀取性能，從容應(yīng)對復(fù)雜推理模型的極端I/O挑戰(zhàn)，它將高負(fù)載場景下的存儲壓力，轉(zhuǎn)化為算力資源的充分釋放與即時可用，為企業(yè)筑牢AI數(shù)據(jù)底座。

2Qwen3系列模型加載性能測試

Qwen3作為阿里通義千問開源模型，其參數(shù)規(guī)格覆蓋0.6B至235B。當(dāng)加載32B、235B等較大規(guī)模模型時，海量大文件權(quán)重的高效調(diào)取對存儲設(shè)備的順序讀取帶寬提出了嚴(yán)苛要求。本次測試覆蓋了8B及235B兩個典型版本。

結(jié)果顯示，憶聯(lián) UH812a在Ollama平臺上的加載表現(xiàn)全面優(yōu)于競品A：

Ollama加載Qwen3:235B模型：基于UH812a的平均耗時較競品A降低40%；

Ollama加載Qwen3:8B模型：基于UH812a的平均加載耗時較競品A降低20%。

◎圖3：Ollama加載Qwen3模型平均耗時(s)對比

Qwen3系列模型載入測試表明，憶聯(lián)UH812a憑借卓越的順序讀寫性能，從容應(yīng)對大容量、高帶寬工作負(fù)載，為企業(yè)級大規(guī)模AI應(yīng)用提供穩(wěn)定、敏捷的存儲層支撐。

3Llama3.1-405B超大規(guī)模模型加載性能測試

Llama3.1是Meta推出的旗艦級開源大模型，其405B超大規(guī)模版本對存儲系統(tǒng)的容量支撐與高速讀取能力提出了極致要求。本次在Ollama平臺上聚焦該模型進(jìn)行實(shí)測。

結(jié)果顯示，使用UH812a的Ollama加載Llama3.1:405B模型的平均耗時較競品低47%，展現(xiàn)出處理超大規(guī)模文件高效調(diào)取的卓越能力。這一領(lǐng)先優(yōu)勢源于UH812a的技術(shù)底座：PCIe 5.0接口帶來的超高帶寬，結(jié)合自主研發(fā)主控的高效調(diào)度算法，充分釋放了Ollama框架在模型加載階段的I/O潛力。

◎圖4：Ollama加載Llama3.1模型平均耗時(s)對比

基于Ollama的深度測試表明，憶聯(lián)UH812a能夠充分滿足從輕量級驗(yàn)證到大規(guī)模生產(chǎn)部署的全場景AI負(fù)載。作為突破模型加載I/O瓶頸、加速智能算力釋放的關(guān)鍵一環(huán)，UH812a彰顯了其在企業(yè)AI基礎(chǔ)設(shè)施中的核心價值與領(lǐng)先地位。

面對AI模型參數(shù)規(guī)模的指數(shù)級增長與應(yīng)用場景向?qū)崟r化、邊緣化的持續(xù)演進(jìn)，憶聯(lián)將以更優(yōu)存力、更高標(biāo)準(zhǔn)，攜手產(chǎn)業(yè)伙伴共同應(yīng)對超大規(guī)模訓(xùn)練、實(shí)時推理與聯(lián)邦學(xué)習(xí)等前沿挑戰(zhàn)，為人工智能的下一階段突破筑牢數(shù)據(jù)基石，讓存力成為驅(qū)動智能未來的算力動脈。