六、AI体验：共享更多显存后性能明显提高 SSD性能无瓶颈
在最新版的Intel显卡驱动控制中心中，Intel提供了“共享GPU内存覆盖”功能，用户可以自由选择共享内存的比例，最少为系统内存的5%，最多可达到系统内存的95%。特别适合运行对显存需求极为夸张的AI应用，让桌面平台也可以以更低的成本部署更大规模的本地大模型。
我们首先在默认状态下，运行常规的AI大模型测试工具，作为测试对比。
在Procyon中的AI Text Generation Benchmark项目是一个简化本地 LLM AI 性能测试，提供了PHI 3.5、MISREAL 7B、LLAMA 3.1和LLAMA 2四个不同参数大小的行业标准 AI 模型轻松快速地进行测试。
Intel酷睿Ultra 7 255HX处理器内置核显，在测试中的成绩分别为381、327、322和284，加载时间分别为10.83s、11.87s、10.57s和18.04s。
之后我们在Ollama中部署Deepseek-R1:14B模型，并进行了简单的测试，测试加载时间为23.1267ms，模型效率为5.93Tokens/s，之后我们测试加载Deepseek-R1:32B模型时报错，未能完成模型加载。
我们在Intel显卡驱动控制中心中，启用共享GPU内存覆盖功能，并直接将内存限制拉到最大，即87%，将32GB内存中的27.3GB都分配给Intel核显，作为显存使用。
再次运行Procyon中的LLM AI测试，可以看到虽然评分基本没有变化，但加载时间大幅缩短到6.52s、6.49s、6.7s和12.78s，用时平均减少了三分之一，提升非常巨大。
我们再次在Ollama中运行本地部署的Deepseek-R1模型，14B模型在简单测试中，加载时间为18.176ms，模型效率为6.31Tokens/s，32B模型在同样的测试中，加载时间为22.939ms，模型效率为2.81Tokens/s。
可以看到在Intel新版显卡驱动中的共享GPU内存覆盖功能中，将更多的内存划拨给GPU使用，可以十分明显的提高大模型本地运行效率，加载时间可以大幅缩短三分之一左右，更大规模的模型也可以突破显存限制，使用成本更低的内存代替，在本地顺利部署运行。
PCIe 4.0标准的PC41Q SSD在本地运行大模型时，性能也完全没有问题，扩展显存容量之后性能提升明显。
在这个级别的本地模型面前，长江存储PC41Q SSD的性能完全不会产生瓶颈，可以放心使用。
