原创 ：芯风威
在AI 大模型和数据洪流时代，存储系统成为突破性能瓶颈的关键环节。Solidigm 推出的面向数据中心，高TCO 的 QLC NVMe SSD —— D5 系列产品，以惊人的容量和高顺序读取性能，为大规模AI 存储集群带来了全新可能。
芯风威（NewFW Technology）围绕 DeepSeek 3FS 分布式文件系统实战，重点测试了 D5-P5336 61.44TB 在以下AI 训推文件系统使用场景下的针对冷数据性能：
IO 吞吐极限性能（顺序读取）
AI 推理缓存负载能力（KVCache 测试）
测试环境概览
Meta Server：128 核CPU，2TB 内存
Storage Server（2 台）：64 核CPU，1TB 内存，Solidigm D5-P5336 61.44TB NVMe SSD 16 盘位置
Client 节点（1 台）：128 核CPU，2TB 内存
网络连接：全部节点通过基于 RDMA 高速互联（400G）
为什么QLC 依然能胜任AI 负载？
本次实战主要聚焦在顺序读取和高频缓存访问，充分发挥了QLC 的优势。
顺序读取测试：海量并发下的极速响应
在顺序读取测试中，客户端发起大文件连续读操作。实测结果令人惊艳：
单台Storage Server 聚合读取吞吐量接近 85GB/s通过RDMA 网络对外提供稳定 43GB/s 的顺序读取性能（受限于网络）
双Storage Server 系统整体读取吞吐量逼近 120GB/s按DeepSeek 官方 3FS 数据对比，在 180 台全闪存储的情况下，聚合读取吞吐量可达 10.5TB/s （1.6 倍左右）。但是从整体容量来计算，整体容量为 DeepSeek 官方配置的 4.36 倍。
且读延迟稳定，99%分位延迟保持在微秒级。
如此表现，在DeepSeek 3FS 这样的分布式AI 系统中，意味着更快的数据加载速度，更少的I/O 等待瓶颈。
在 AI 训推过程中，尤其是在处理如医疗影像、高清图片、视频等大型数据时，极高的顺序读取带宽配合高吞吐量的网络可以确保数据的海量吞吐，确保GPU 等AI 芯片性能得到充分利用。
KVCache 负载测试：支撑高频访问，稳定超低延迟
针对当前流行的大规模推理业务，我们还进行了大集群下KVCache 负载模拟。
测试显示：在百万级请求QPS 下，SSD 能稳定提供单次读取延迟小于 100 微秒的表现顺序读取缓存页命中率高，带宽使用高效，没有明显抖动为AI 推理系统大幅降低了整体延迟。注：受限于集群节点数量，图表显示内容为多轮测试数据合集。
AI 在实时推理环节，稳定以及极小的延迟是大模型快速检索数据进行预测的基础。
TCO 优势分析：D5-P5336 让AI 集群更具规模效益
在大规模服务器集群中，存储设备的TCO（整体拥有成本）至关重要。D5-P5336 在这方面表现非常突出：
1，单盘超大容量，节省服务器与机架空间单盘可达 61.44TB 及 122.88TB 容量，同TLC SSD JBOF配置相比节省高达4倍的存储占用空间，同 HDD JBOD 相比节省高达8倍的存储占用空间。相同存储需求下，服务器数量将大幅减少全部采用QLC存储的服务器数量比采用HDD+TLC的数量将大幅减少
2，更优价格，每TB 成本更低QLC NAND 架构大幅降低单位成本
3，合理耐久度设计官方额定 0.6 DWPD在推理缓存、顺序读取负载下，完全满足企业级生命周期要求
综合来看，使用D5-P5336 可以让每PB 存储整体TCO 降低超过 35%，在超大规模部署中性价比优势巨大。
PCIe 5.0 的前景展望：
性能想象空间巨大目前D5-P5336 采用的是 PCIe 4.0 接口，即便如此已达到惊人的读取带宽。展望未来，随着PCIe 5.0 大容量QLC SSD 普及：
单盘理论带宽将翻倍增长
整体吞吐瓶颈将进一步被突破
QLC 优势会被进一步放大，特别是在超大模型推理场景
可以预见，基于PCIe 5.0 的新一代D5 系列产品，将成为新一轮AI 基础设施升级的重要力量。
总结
QLC 不只是性价比高，更能在合理场景下发挥出色性能：
Solidigm D5 系列顺序读取吞吐接近线性扩展；
DeepSeek 3FS 环境下验证了高可用与低延迟能力；
超大容量带来的TCO 优势，让AI 集群部署更具规模效益；
随着人工智能的发展和技术突破，存储性能将迎来新爆发。
Solidigm D5 服务器系列NVME SSD 硬盘，不只是容量革命，更是下一代AI 基础设施的中坚力量！
