硬盘是「分级存储」问题:热数据要快,温数据要便宜,冷数据要稳。 一步到位买最大固态是最贵且错误的答案。
一、三分法架构
| 层 | 载体 | 预算锚点 | 选型要点 |
|---|---|---|---|
| 系统盘 | PCIe4.0 TLC 1TB | ¥400-500 | 4K 随机、温控、保修 |
| 模型库盘 | PCIe4.0/5.0 TLC 2TB+ | 每次翻倍 | 每 TB 价格、缓外速度 |
| 数据仓库 | 企业机械盘 8-16TB | ¥120-150/TB | CMR、工作负载评级 |
二、TLC vs QLC:一条红线
QLC 的三个问题:缓外掉速(掉到 100MB/s 级)、TBW 腰斩、长期冷数据读取降速。系统盘与模型盘坚持 TLC;QLC 只适合一年写不了几次的冷仓库。 识别方法:看 TBW——1TB TLC 普遍 600TBW,QLC 明显更低;表里没标颗粒的直接问客服。
三、2026 年点名款
- 系统盘性价比:致态 TiPlus7100 1TB(¥449)——长江存储原厂颗粒,五年保
- 全速度旗舰:三星 990 PRO 2TB(¥1249)——带缓存,缓外稳如老狗
- Gen5 尝鲜:致态 TiPro9000 2TB(¥1799)——14GB/s,大模型加载等待减半,需主板 PCIe5.0 M.2 槽
- 仓库盘:希捷银河 Exos X18 16TB(¥1999 渠道)——每 TB ¥125,550TB/年负载评级
全库 14 款按类型/接口/容量筛 → 硬盘专区。
四、TBW 折算:你的盘能活几年
TBW ÷ 每天写入量 = 寿命天数。举例:TiPlus7100 2TB 的 TBW 1200TB,按每天写 100GB(重度下载党)≈ 33 年;每天写 500GB(数据集管道)≈ 6.5 年。结论:消费级场景 TBW 焦虑是伪问题,持续重写入才需要算。
五、AI 数据集的特殊账
数据集训练的 IO 特征是「大文件顺序读 + 偶发高并发小文件」:
- 数据集放本地 NVMe(顺序读 7GB/s 级),别放机械盘直接训
- 预处理后的缓存盘独立一块,避免和系统盘抢 IO
- 冷数据归档机械盘/对象存储(云存储成本对比过两者价格曲线)
- checkpoint 与数据集双备份——SSD 掉盘不预警,机械盘掉盘有前兆
容量不够的那天再来翻这篇,按每 TB 价格重新筛一遍 → 硬盘专区筛选器。
常见问题
AI 主机硬盘怎么分配?
最小配置 1TB(系统+3-5 个模型);正经玩法 1TB 系统 + 2TB 模型库(Flux/视频模型动辄几十 G);数据集训练再叠 4TB+ 或机械仓库盘外挂。
PCIe5.0 固态对 AI 有多大提升?
大模型文件加载(几十 GB 的 safetensors)从 7GB/s 到 14GB/s 是实打实的等待时间减半;但训练中的随机读取瓶颈在 4K 与队列深度,Gen5 提升有限。预算优先给容量。
无缓存(DRAM-less)SSD 能买吗?
能,现在的 HMB 方案(致态 TiPlus7100/英睿达 T500)缓外表现已经不错,日常与模型存储无感;重写入型工作流(持续下载数据集)建议带独立缓存的旗舰。
机械盘还有存在感吗?
每 TB 价格仍是固态的 1/3(银河 16T ¥2000 ≈ ¥125/TB)。数据集归档、模型备份、下载仓库的答案;避开 SMR 叠瓦盘当工作盘,认准 CMR。