Discussion: 电影撤档
根据StorageReview于2026年9月29日发布的深度评测，英伟达DGX Spark及其OEM变体（包括戴尔、技嘉、惠普、宏碁和华硕的产品）虽然在桌面级AI计算上表现出色，但始终面临一个核心短板：存储孤岛。每台机器仅有一个短M.2插槽，本地容量上限约为4TB，导致数据集、模型和检查点游离于数据中心的治理、访问控制和备份策略之外。为了解决这一问题，评测团队搭建了一套共享存储方案，利用一台戴尔PowerEdge R770AP服务器、八块Solidigm D5-P5336 QLC固态硬盘、Graid SupremeRAID RAID 5卡、博通400GbE网卡以及Tuxera Fusion软件，通过100GbE网络为八台DGX Spark提供统一的、受治理的存储池。这一设计旨在将桌面AI的数据层重新置于数据中心管控之下，实现‘一份数据，多台使用’的目标。
票房数据桌面AI的存储孤岛问题
DGX Spark及其OEM版本（如戴尔Pro Max、技嘉AI TOP ATOM、惠普ZGX Nano G1n等）均基于GB10平台，其存储局限性在StorageReview的原始评测中已被明确指出。内部M.2插槽仅支持短尺寸固态硬盘，因此无法使用常见的8TB 2280规格客户端SSD。这导致每台Spark都成为一个独立的4TB存储孤岛。例如，一个78GB的Qwen3.5模型被下载到一台Spark上后，IT部门无法对其进行有效管理；研究数据集被暂存到本地闪存后，便脱离了备份计划和访问策略。评测指出，在一个拥有10台Spark的实验室中，这意味著10份相同的模型权重副本，共占用780GB的闪存空间，且数据安全存在10个潜在风险点。
票房预测存储主机硬件架构详解
共享存储的核心是一台戴尔PowerEdge R770AP服务器，配备两颗英特尔至强6 6978P处理器和1.5TB DDR5内存。存储部分采用八块Solidigm D5-P5336 61.44TB QLC固态硬盘，通过Graid SupremeRAID卡配置为RAID 5，提供约430TB的可用容量。Graid RAID卡使用一块英伟达RTX A2000 GPU进行奇偶校验加速。文件系统方面，采用XFS格式，并通过Tuxera Fusion（私有预览版）提供基于NFS 4.1 over RDMA的文件服务。网络连接方面，主机搭载两块博通BCM57608单端口400GbE网卡，通过一台戴尔PowerSwitch Z9864F-ON交换机将800G带宽分拆为8条100GbE链路，分别连接八台DGX Spark。
票房破亿
核心技术与性能对比表格
此方案的关键在于利用DGX Spark集成的ConnectX-7网卡实现高速远程存储访问。每台Spark配备两个QSFP56接口，其中一个用于连接存储网络。100GbE的带宽（约12.5GB/s理论值）已超过其内部M.2插槽的实际性能。以下为关键性能测试对比：
电影口碑| 测试场景 | 存储位置 | 模型加载时间 | 备注 |
|---|
| --- | --- | --- | --- |
|---|
| 单台Spark加载模型 | 内部NVMe SSD | 239.6秒 | 基线性能 |
|---|
| 单台Spark加载模型 | 共享QLC阵列 | 269.6秒 | 性能损失约13% |
|---|
| 八台Spark同时加载模型 | 共享QLC阵列 | 232.8秒 - 326.5秒 | 仅同一份模型副本 |
|---|
| 八台Spark持续读取 | 共享QLC阵列 | ~25 GiB/s | 约214Gb/s，占主机带宽27% |
|---|
以上数据显示，从共享阵列加载一个78GB的Qwen3.5-122B-A10B-NVFP4模型，单台Spark耗时269.6秒，仅比本地NVMe慢13%。而八台Spark同时加载同一份模型所花费的时间依然在合理范围内。这证明了共享存储方案不仅可行，而且性能表现优异。
网络性能与带宽余量
根据StorageReview的测试，当八台Spark同时进行读取操作时，由八块QLC固态硬盘组成的RAID 5阵列提供了接近25 GiB/s（约214Gb/s）的吞吐量。这个数字仅占存储主机两台400GbE网卡总带宽（800Gb/s）的27%，表明网络层面仍有巨大的余量，足以支持未来扩展更多客户端或采用更高带宽需求的应用场景。评测中明确指出：“驱动器设定了性能天花板，而网络拥有充足的余量。” 单台Spark从阵列读取的速度可达10.8 GiB/s，与其内部最快的M.2固态硬盘实测性能相当。
数据治理与安全策略
该方案的另一个核心优势在于数据治理。通过NFS over RDMA协议，存储主机可以集成Active Directory、Kerberos和LDAP等企业级身份认证与访问控制服务。这意味着管理员可以轻松设置基于用户的文件夹、共享数据集，并对所有模型和数据进行统一的权限管理、加密、备份和审计。StorageReview的Brian Beeler在测试中指出：“治理能力源自协议本身。NFS with RDMA让数据在数据中心控制之下，而Spark则可以安全地安装在机架上。” 这使得Spark从一个不安全的桌面设备，转变为一个受管理的计算节点。
未来展望：大规模AI学习实验室
该项目的设计思路得到了俄勒冈州立大学的认可。该校正在探索构建一个大规模Spark实验室用于AI教学，并希望让学生能够访问数十TB级别的研究数据集。共享存储方案完美契合了这一需求：实验室只需维护一份数据集和模型库，所有Spark终端均可通过高速网络访问，无需为每台设备配置大容量本地存储。这大幅降低了总体拥有成本，并简化了数据管理流程。从桌面AI的存储孤岛到数据中心管控的一体化方案，DGX Spark共享存储展示了未来企业级AI部署的重要趋势。
FAQ段
Q1：外接共享存储是否会影响DGX Spark的AI推理性能？
A1： 影响微乎其微。根据StorageReview的实测，从共享QLC阵列加载一个78GB的大模型，耗时仅比从本地顶级NVMe SSD加载慢约13%。在绝大多数AI工作负载（尤其是推理任务）中，计算瓶颈在于GPU和统一内存，而非存储读取速度。100GbE网络提供的带宽已超过其内部存储接口的理论极限。
Q2：部署这种共享存储方案复杂吗？需要特定品牌硬件吗？
A2： 无需特定品牌硬件。StorageReview表示，任何具备足够NVMe插槽和高速网卡接口的服务器都可以充当存储主机。在客户端（DGX Spark）侧，用户只需在标准的Ubuntu系统上执行一行挂载命令即可。整个方案的核心在于软件栈（如Tuxera Fusion）和网络配置，使得部署相对简洁。
此方案通过将八台桌面级AI超级计算机的数据层统一到一个受治理、高性能的数据中心存储池中，解决了容量、安全性、管理效率等多重问题。它不仅提升了存储利用率，更重塑了桌面AI在企业环境中的角色，为大规模AI部署提供了可复制的范本。
Related Threads - 游戏体验
StorageReview评测：一台服务器如何通过100GbE网络，让八台DGX Spark共享同一份QLC固态硬盘存储池。模型加载性能损失仅13%，却实现了统一的数据治理、备份与访问控制。为大规模AI学习实验室提供新范式。
