六、Intel AI测试：大内存也可用于部署本地大模型 PCIe 4.0 SSD不存在瓶颈

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367、310、298和291，加载时间分别为11.27s、13.81s、15.61s和18.49s。

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19.3755ms，模型效率为6.00Tokens/s，

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，测试评分略有一些提升，但加载时间大幅缩短到4.98s、5.57s、9.37s和13.87s，用时分别减少了三分之一到一半，提升非常巨大。

在任务管理器中可以很明显的看到共享GPU显存已经提升到27.3GB，此时我们再次在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18.642ms，模型效率为6.17Tokens/s。

得益于现在更大的共享GPU内存容量，我们可以在本地运行规模更大的32B模型，在同样的测试中，加载时间为17.7169ms，模型效率为2.89Tokens/s，可以看到在运行19GB大小的32B规模大模型时，共享的27.3G显存仍有超过6GB的富裕，用户如果有128GB或更大容量的内存配置，运行更大规模的本地模型也没有问题。

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，可以明显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甚至一半，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PC411 SSD在本地运行大模型时，性能充分释放没有丝毫瓶颈，配合更大的共享内存更彻底的释放硬件的算力性能。