Storage Spaces Simple 實測:4 支 Gen5 NVMe 載入 31B AI 模型只省 0.31 秒

  • Post category:AI
00_storage spaces simple gen5 nvme local ai loading cover 800 x 400

組裝本地 AI 工作站時,很多人不想花錢買硬體 RAID 卡,會直接打開 Windows 內建的 Storage Spaces Simple,把主機板上的 Gen5 NVMe SSD 綁成一個大磁碟區,以為多碟並行就能秒開 30GB AI 模型。這篇用 48 筆實機測試數據,直接告訴你多支硬碟綁一起到底省幾秒。

關於 Windows Storage Spaces Simple 本地 LLM 載入速度,網路上一直缺乏嚴謹實測:有人看跑分軟體循序讀取翻倍就覺得划算,也有人實際跑模型卻覺得毫無差別。這次我直接在工作站對比單支原生與 2、3、4 支集區,從冷啟動、熱重載到推論階段逐一拆解,抓出真正的速度瓶頸。

Storage Spaces Simple 在本地 AI 載入的實測架構與冷啟動表現

在評估 Storage Spaces Simple 到底適不適合用來加速本地模型啟動之前,必須先確保測試平台的 PCIe 通道不會搶頻寬,並且每次冷啟動測試都透過重新開機清空系統快取,才能測出最真實的 PCIe Gen5 SSD 載入本地 LLM 速度。

測試工作站硬體規格與模型清單

這輪測試全部跑在我們先前組裝的 雙 RTX 5060 Ti 16GB (32GB VRAM) 本地工作站 上,主機板具備 CPU 直連的 4 個 PCIe Gen5 M.2 插槽,確保每支 Kingston FURY Renegade G5 都直接走處理器通道,排除晶片組降速干擾,再透過 Windows Storage Spaces 建立 Simple 簡單磁碟區(圖表中標示為 2xR0、3xR0、4xR0)進行效能對比。

實測工作站硬體配置

品名型號/規格
工作站系統SuperWorkstation SYS-551A-T
CPUIntel Xeon W5-3425
主機板Supermicro X13SWA-TF
記憶體32GB DDR5-4800 ECC RDIMM *2
GPU雙卡 Nvidia GeForce RTX 5060 Ti 16GB
Gen5 NVMe4 支 Kingston FURY Renegade G5 1TB
作業系統Windows 11 專業版

實測模型與實體讀取量

這次刻意挑選體積較大的 Q8_0 量化版本(如果你好奇不同量化對速度與品質的影響,可參考我們另一篇 GGUF Q4 / Q6 / Q8 雙卡實測),讓單次讀碟壓力拉到 30 GiB 以上。

每個「模型 × 儲存配置」組合都跑滿 3 次重開機冷啟動與 3 次熱重載,4 組配置合計 48 筆樣本,全數通過技術與品質覆核,沒有任何缺漏或剔除數據。

10-storage-spaces-simple-ai-benchmark-sample-audit-48-runs
48 筆實測樣本技術驗證與人工品質覆核通過統計

開機首次啟動就緒時間與首字輸出實測

每次重開機後第一次開啟模型,作業系統都得從實體固態硬碟把完整的 GGUF 權重檔搬進記憶體與顯示卡 VRAM。我們先看伺服器回報就緒(Ready)的時間,以及從啟動到螢幕跳出第一個字(First Text)要等多久。

看下圖的模型就緒中位數,

  • Gemma 4 12B
    • 在 1x Native 是 6.55 秒(6.50–6.58 秒)
    • 但 2x 集區反而拖慢到 6.86 秒(6.83–6.86 秒)
    • 3x 與 4x 集區只稍微縮短到 6.42 秒與 6.40 秒
  • Gemma 4 31B
    • 在 1x Native 要 13.04 秒(12.97–13.08 秒)
    • 2x 依然墊底,需要 13.62 秒(13.42–13.80 秒)
    • 3x 與 4x 只降到 12.66 秒與 12.55 秒
01-storage-spaces-simple-gen5-nvme-ai-model-startup
Storage Spaces Simple 與單支 Gen5 NVMe 模型冷啟動就緒時間比較

把送出提示詞與首字推論(TTFT)算進去後,下圖顯示:

  • Gemma 4 12B
    • 從啟動到看見第一個字介於 8.67 到 9.12 秒
      • 1x 為 8.81 秒
      • 2x 最慢 9.12 秒
      • 4x 為 8.68 秒
  • Gemma 4 31B
    • 則落在 19.11 到 20.09 秒
      • 1x 為 19.47 秒
      • 2x 還是最慢 20.09 秒
      • 4x 為 19.11 秒

Gemma 4 31B:

插滿 4 支 Gen5 SSD,看到第一個字最多只快 0.36 秒

02-storage-spaces-simple-local-llm-first-text-latency
載入模型到顯示第一個字的總等待秒數

迷思:跑分翻倍,為何本地 LLM 載入沒變快?

很多玩家看到 Windows Storage Spaces Simple 本地 LLM 載入速度在跑分軟體裡輕鬆翻兩三倍,卻想不通為什麼實際開模型幾乎無感。背後關鍵有兩個:

  • 第一是整個問答任務不是只有讀硬碟
  • 第二是本地 AI 模型熱重載記憶體快取直接繞過了實體 SSD。

從啟動到完整任務結束的總時間

把計時器拉長到【固定測試任務完整回答結束】,單純硬碟讀取的佔比會被後面的雙顯示卡推論時間大幅稀釋。

下圖記錄了冷啟動完整任務耗時(中位數)。

  • Gemma 4 12B
    • 在 1x Native 是 16.27 秒(16.12–16.27 秒)
    • 2x 則是 16.55 秒
    • 3x 與 4x 分別為 16.06 秒與 16.09 秒
  • Gemma 4 31B
    • 在 1x Native 為 39.43 秒(39.33–39.44 秒)
    • 2x 依然最慢,來到 40.14 秒
    • 3x 與 4x 是 39.24 秒與 39.12 秒
03-gen5-nvme-storage-spaces-simple-task-completion-time
冷啟動至任務完整結束耗時對比

同一次開機內第二次重開,快取能省幾秒?

平常在工作站跑本地 AI,切換模型或重啟服務才是常態,不會每問一題就重開機一次。這時候就會進入熱重載(Warm Reload)情境。

下圖清楚顯示熱重載的結果:

  • Gemma 4 12B
    • 就緒時間在四種配置全數收斂在 4.50–4.52 秒
    • 任務總時間全部落在 14.13–14.23 秒
  • Gemma 4 31B
    • 就緒時間降到 9.56–9.80 秒
    • 任務總時間則在 35.95–36.24 秒

結論:

四組儲存配置之間幾乎沒有差距。

04-local-ai-warm-reload-gen5-nvme-storage-spaces-simple
熱重載情境下單支 NVMe 與 Storage Spaces Simple 耗時比較

下圖直接算出【冷啟動就緒時間減去熱重載就緒時間】。

  • Gemma 4 12B
    • 第二次啟動能省 1.90–2.35 秒
  • Gemma 4 31B
    • 能省 2.96–4.14 秒
      • 2x 集區因為第一次最慢達 13.62 秒,第二次被系統快取接手後落差最大,省了 4.14 秒

結論:

靠系統記憶體快取帶來的加速,比多插 3 支 SSD 還有感得多。

05-windows-page-cache-gain-local-ai-cold-vs-warm-reload
同一次開機內冷啟動減去熱重載的記憶體快取省時幅度

Storage Spaces Simple 與單支 Gen5 SSD 數據對比與瓶頸拆解

為了讓想評估 Storage Spaces Simple 載入 31B 模型時間對比的玩家看清全貌,我把 48 筆測試的中位數與 min–max 範圍整理成對照表,再透過階段拆解圖找出 llama.cpp GGUF 模型載入瓶頸 究竟卡在哪裡。

4 組儲存配置關鍵數據對照表(中位數與 min–max 範圍)

Gemma 4 12B Q8_0 載入與任務耗時對照(冷啟動讀碟 11.80 GiB/熱重載 0.0 GiB)

配置冷啟動就緒冷啟動完成(首字)熱重載完成
1x Native6.55s16.27s(8.81s)14.13s
2x Simple6.86s16.55s(9.12s)14.23s
3x Simple6.42s16.06s(8.67s)14.19s
4x Simple6.40s16.09s(8.68s)14.21s

Gemma 4 31B Q8_0 載入與任務耗時對照(冷啟動讀碟 30.39 GiB/熱重載 0.0 GiB)

配置冷啟動就緒冷啟動完成(相對 1x)熱重載完成
1x Native13.04s39.43s(基準)36.24s
2x Simple13.62s40.14s(慢 0.71s)36.06s
3x Simple12.66s39.24s(快 0.18s)36.13s
4x Simple12.55s39.12s(快 0.31s)35.95s

四階段耗時拆解與「省秒數」殘酷真相

把任務拆成 Ready(載入與初始化)、Checks(健康檢查)、First Text(首字推論)、Answer(完整生成)四階段來看,時間花在哪裡一清二楚。

下圖顯示 Gemma 4 12B :

  • 冷啟動
    • Ready 佔 6.37–6.86 秒
    • 後段的 TTFT 約 2.18–2.24 秒
    • Answer 生成約 7.38–7.46 秒
  • 熱重載
    • Ready 縮成 4.5 秒左右
    • 推論段一樣固定耗掉約 9.6 秒。
06-gemma4-12b-llama-cpp-loading-inference-stage-breakdown
Gemma 4 12B 從載入到答案生成的四階段耗時比例拆解

下圖顯示 Gemma 4 31B:

  • 冷啟動
    • Ready 約 12.50–13.80 秒
    • TTFT 約 6.27–6.63 秒
    • Answer 生成約 19.90–20.09 秒
    • TTFT + Answer 直接吃掉 26.4 秒,佔總耗時高達 67%

結論:

關於雙卡 GPU 在不同模型下的實際算力表現,我們在 雙 RTX 5060 Ti 16GB Gemma 4 實測 與 雙 16GB GPU 本地 LLM 基準測試 也有完整數據;總之硬碟再怎麼快,這 26 秒的顯示卡運算時間完全不會縮短。

07-gemma4-31b-llama-cpp-loading-inference-bottleneck-stages
Gemma 4 31B 四階段耗時拆解與 GPU 推論瓶頸分析

下圖把基準線設在單支 Gen5 NVMe(0 秒),結果相當殘酷:

  • Gemma 4 12B
    • 2x 集區在 12B 冷啟動(-0.28 秒)
    • 12B 熱重載(-0.10 秒)
    • 就算插滿 4 支組 Storage Spaces Simple,12B 冷啟動只省 0.18 秒。
  • Gemma 4 31B
    • 31B 冷啟動(-0.71 秒)全部出現負收益
    • 就算插滿 4 支組 Storage Spaces Simple,31B 冷啟動最多也只省 0.31 秒
08-storage-spaces-simple-seconds-saved-vs-single-gen5-nvme
2x~4x 集區相較單支 Gen5 NVMe 實際省下秒數(含負收益)

實體磁碟讀取量揭曉為何集區無用

補上最後一塊拼圖:

  • 冷啟動時,4 組配置都確實從 SSD 讀了 11.8 GiB(12B)與 30.4 GiB(31B,精確 30.39 GiB)
  • 但只要系統配備足夠的 128GB DDR5 記憶體,第二次熱重載時 4 組配置的實體磁碟讀取量全部歸零,顯示為 0.0 GiB
  • 權重檔已經完整駐留在 Windows Page Cache 裡,熱重載根本沒在讀硬碟
09-nvme-disk-reads-gib-cold-boot-vs-warm-reload-ai
冷啟動與熱重載時實體 NVMe 磁碟實際讀取量(GiB)對比

本地 AI 工作站實戰避坑與儲存採購建議

如果你正在規劃本地 AI 工作站 SSD 選購推薦,或是已經準備好雙卡 RTX 5060 Ti 16GB 本地 AI 硬體配置,並參考過 Windows 本地 AI 環境建置指南 準備動手,這 4 個實戰避坑心得能幫你把錢花在刀口上:

  • 別用 2 支 NVMe 建立 Storage Spaces Simple,實測真的會變慢
    • 在 2 支 Gen5 NVMe 的簡單磁碟區模式下,遇到 llama.cpp 載入權重並同步分配記憶體與 VRAM 時,Windows 軟體儲存層的條帶調度開銷大於並行收益,導致 31B 冷啟動反而多等 0.71 秒。
  • 看清 13 秒 Ready 裡有近 10 秒跟 SSD 無關
    • 單支高階 Gen5 SSD 讀 30.39 GiB 物理極限只需 3 秒左右,但實際 Ready 要 13.04 秒(連不讀碟的熱重載都要 9.80 秒)
    • 這將近 10 秒全部消耗在 CPU 解析 GGUF 張量結構與 PCIe 匯流排搬運資料進顯示卡 VRAM,這也是軟體磁碟集區討不到便宜的根本原因。
  • 預算優先給【大容量 DDR5 記憶體】與【顯示卡 VRAM】
    • 與其多買 3 支 Gen5 SSD 綁在一起省那 0.31 秒,不如把預算直接拿去升級 64GB 或 128GB DDR5 記憶體
    • 確保常用模型能穩穩待在 Windows Page Cache 裡(熱重載 0.0 GiB 讀碟)
    • 或是直接投資更高階的顯示卡縮短佔比 67% 的推論時間。
  • 主機板 4 個 M.2 插槽留給【單支大容量獨立掛載】
    • 31B 模型一個檔就超過 30 GiB,玩家同時放多個 70B 以上量化模型很快就會滿槽。
    • 將 4 個 Gen5 M.2 插槽各自獨立掛載單碟,不但沒有簡單磁碟區單顆故障全毀的風險,管理不同模型也更彈性。
11_storage spaces simple 4xgen5 nvme 800x597

關於 Storage Spaces Simple 與本地 AI 模型載入的 10 個常見問題

Q1:用 4 支 Gen5 SSD 開 Storage Spaces Simple 載入 31B AI 模型,最多能省幾秒?

A1:以 Gemma 4 31B Q8_0(30.39 GiB)實測,4x 集區冷啟動就緒比單支快 0.49 秒,算到整個固定任務完成最多只省 0.31 秒。

Q2:為什麼 2 支 NVMe 組 Storage Spaces Simple 反而比單支慢?

A2:實測中 2x 集區在 12B 與 31B 冷啟動分別慢了 0.28 秒與 0.71 秒,主因是 Windows 軟體儲存空間的條帶調度開銷,在單一模型載入情境下抵銷了雙碟頻寬優勢。

Q3:熱重載(Warm Reload)時不讀硬碟是真的嗎?

A3:是真的。
上圖實測證實,在 128GB DDR5 記憶體充足的前提下,同一次開機內第二次開啟 12B 與 31B 模型時,實體 SSD 讀取量皆為 0.0 GiB,完全由系統記憶體快取接手。

Q4:熱重載情境下,4x 集區會有優勢嗎?

A4:幾乎沒有。熱重載時 4 種儲存配置的 12B 任務時間差在 -0.10 到 -0.06 秒間,31B 差在 +0.12 到 +0.29 秒間,皆屬於系統背景波動的正常誤差。

Q5:單支 Gen5 NVMe 讀取 30.39 GiB 模型,為何要花 13.04 秒才就緒?

A5:因為 Ready 時間包含 llama.cpp 啟動、解析 GGUF 檔案結構、配置系統記憶體,以及透過 PCIe 通道把權重搬進雙 RTX 5060 Ti 16GB 顯示卡的初始化耗時(熱重載不讀碟也需 9.80 秒)。

Q6:跑本地 LLM 時,硬碟速度跟顯示卡速度哪個比較重要?

A6:顯示卡算力重要得多。以 Gemma 4 31B 冷啟動總計 39.43 秒來看,首字推論與答案輸出合計佔約 26.4 秒(約 67%),SSD 僅影響開機後第一次載入的那幾秒。

Q7:這份測試使用的是哪個推論引擎與硬體平台?

A7:全數在 Windows 11 Pro 工作站(Intel Xeon W5-3425、128GB DDR5、雙 RTX 5060 Ti 16GB)透過 llama.cpp build 11814 執行,4 支 Kingston FURY Renegade G5 皆走 CPU 直連 Gen5 M.2 插槽。

Q8:如果電腦只有 32GB 記憶體,熱重載還會這麼快嗎?

A8:不會。31B Q8_0 模型檔案達 30.39 GiB,若系統 RAM 僅 32GB 扣除 Windows 系統佔用後無法完整快取,熱重載仍會重新從實體 SSD 讀取;建議至少配置 64GB 以上記憶體。

Q9:只跑 3 次重複測試會不會有誤差?

A9:每個配置均執行 3 次重開機冷啟動與 3 次熱重載(共 48 筆樣本),各組 min–max 區間極窄(多在 0.4 秒內),結果具備高度穩定性與可重現性。

Q10:本地 AI 工作站最合理的硬碟採購方式是什麼?

A10:買 1 支穩定、大容量的 PCIe Gen4 或 Gen5 原生 NVMe SSD 即可,不需用 Storage Spaces 綁多碟,省下的預算拿去加大 DDR5 記憶體或升級顯示卡 VRAM 最划算。

Storage Spaces Simple 實測總結:4 支 Gen5 SSD 跑本地 AI 划算嗎?

回到大家最關心的 Storage Spaces Simple 跑本地 AI 划算嗎?從 48 筆實測數據來看,答案很明確:不划算。

Storage Spaces Simple 在 2 碟配置甚至比單支更慢,插滿 4 支也最多只省 0.31 秒;與其把多顆硬碟綁在一起增加風險,不如使用單支大容量原生 SSD,把預算灌進記憶體與顯示卡算力才真正有感。