最近关注 OWC 的群里，被问得最多的一个问题是：Stack AI 四季度就要发售了，这个"拿 SSD 当显存"的新物种，到底要不要等？
也难怪大家上心。OWC 这个牌子，Mac 用户太熟了，内存、硬盘盒、扩展坞，基本都是闭眼买的稳妥之选。但 Stack AI 是 OWC 这些年做得最激进的一款产品——不卖容量，改卖"显存自由"了。今年 5 月它官宣的时候，官方口径是全球首款采用雷电 5 技术的 AI 加速器兼存储扩展坞。知乎而 IT之家的总结更直白：这就是一个外置式的群联 aiDAPTIV 内存化闪存方案。微博
名字很绕，但解决的问题很痛。我先把结论放前面：这事原理上是真的，但它服务的人群和大多数 OWC 用户（Mac 党）重合度不高。下面把账算给你看。
为什么 27B 的"小模型"，反而卡死了所有人
8 月底本地部署又火了一波，阿里 Qwen3.8-27B 这类 270 亿参数级别的模型，被很多人当成"笔记本也能跑的甜点模型"。但 27B 听着小，胃口一点不小：FP16 精度加载要 54GB 上下显存，就算用 4-bit 量化压到 14GB 左右，主流笔记本 8GB、16GB 的显存还是装不下——这还没算推理时不断膨胀的缓存。知乎
于是有了"换页"（offload）这个钻空子的思路。大模型推理是逐层计算的，任何一瞬间，GPU 真正用到的只有当前这一层的权重。那就只把正在算的一层放显存，其余权重丢到内存甚至硬盘里，算到哪层搬哪层。llama.cpp、Ollama 的 CPU offload 干的就是这件事。
思路没毛病，但带宽的账算不平：拿量化后约 14GB 的 27B 模型来说，想跑到每秒 20 个 token 的流畅线，需要大约 280GB/s 的持续带宽；而 NVMe 硬盘到显存这条搬运通道，通常只有 3.5GB/s 到 7GB/s，差着几十倍。结果就是能跑，但首 token 等十几秒，出字像挤牙膏，基本告别日常使用。
Stack AI 做的，是把这条路的坑填平
OWC 的思路还是"权重放闪存、边算边搬"，但在三个环节动了刀。第一，硬盘本身不一样。普通 SSD 的固件是按混合负载调校的，持续高强度读取会掉速、延迟抖动；aiDAPTIV 平台专门为"反复、大批量搬运权重"这个场景做了调校，追求稳定可预测的持续吞吐。第二，调度变聪明了。推理逐层执行，下一步算哪一层完全可预知，Stack AI 的软件层会提前把第 N+1 层的权重搬进显存——GPU 算完第 N 层时，下一层已经在位，等待时间被藏进了计算时间里。第三，通道用了雷电 5 的 64Gbps，比雷电 4 翻倍，相当于一条 PCIe 4.0 x4，而且是独立通道，不跟系统盘抢带宽。
官方在 COMPUTEX 2026 现场演示过：同一台笔记本跑 gpt-oss-20b，接上 Stack AI 后，首 token 延迟从约 6.5 秒降到约 0.6 秒。知乎注意，是首字延迟这个指标，持续生成速度的官方数据目前还没有。
再补一个背景，方便理解这东西为什么现在才出现。此前 aiDAPTIV 只能做成内置 PCIe 卡，塞进台式机机箱；雷电 5 的带宽恰好够格，才把它"平移"到了机箱外，让显存最紧张、又最没扩展空间的笔记本和 mini 主机也能用上。从今年年中开始，“AI SSD"整个赛道都在升温：群联、江波龙拉着英特尔、AMD、英伟达站台，B站相关科普视频播放量破万，36氪专门写了《别只看 tokens/s》，讨论的核心就是这句——从 Token PU、TPU、LPU 到 AI SSD，芯片的定价权正在从峰值算力，转向它能装下多大的模型。36氪根子还是内存太贵——这年头内存和固态一路涨成"电子黑金”，HBM 又告急，用便宜的闪存给昂贵的显存打补丁，就成了全行业都在打的主意。
社区比官方冷静，三个质疑都问到点子上
我翻了 B 站那期 aiDAPTIV 视频的评论区，争议相当真实，挑三个最硬的。
质疑一：寿命。最高赞评论就一句："多长时间坏块固态？"有人算过，普通 SSD 在这种高强度反复读写下，一两个月就可能磨损殆尽。哔哩哔哩所以这类方案基本都得配高耐久颗粒的专用盘——视频里厂商方面的人回复说，他们配套的 AI 100E 专用盘目前只是小范围对外销售。专用盘什么价、寿命多久、坏了换盘的成本，官方至今没给数据。
质疑二：性能到底提升在哪。有技术党直接泼冷水，大意是连内存都追不上显存，拿 SSD 做推理基本不可用。还有位拿着 5090 的用户写了长评，指出这类调度会把 CPU 占用拉满，结论是中低端电脑 CPU 先扛不住，高端机用不着，定位尴尬。哔哩哔哩
厂商方面也有人出来对线，给的数据是：8G 显存的 5060 笔记本，加 AI SSD 能跑 Qwen3.6-35B-A3B 这种 MoE 模型，还能开 128K 上下文；prefill 阶段"以存代算"能有几十上百倍的加速，但 decode 速度提升不大，并发瓶颈依然在显卡。哔哩哔哩两边的话都先记着，目前没有第三方独立评测。
质疑三：价格。这是最现实的一条——官方至今没公布售价。在一个 1TB 固态价格都能翻倍的年份，一个"显存外挂"卖多少钱，直接决定它是性价比神器还是信仰税。
回到你最关心的：Mac 用户要不要等
先说硬事实：Stack AI 首发支持 Windows 和 Linux，没有 Mac。知乎
再说透一点：Mac 大概率也用不上它。Apple Silicon 的统一内存架构，本身就是"把内存当显存用"的方案——Mac Studio M5 Ultra 的统一内存可以到 512GB，带宽 1.2TB/s，跑 Ollama、MLX 时权重就待在统一内存里，这个带宽比外接 SSD 高出不止一个数量级。哔哩哔哩Mac 上跑本地大模型，卡脖子的从来不是"显存不够"，而是"买机器时统一内存买小了"。所以对 Mac 党，我的建议很干脆：别等它。有本地大模型需求，预算花在购机时的内存档位上，比等一个不支持的外设实在得多；尤其在内存涨价的周期里，早买大内存本身就是省钱。
真正该把 Stack AI 放进观察清单的，是这一类人：Windows 或 Linux 笔记本，显卡 8GB 到 16GB 显存，想本地跑 20B 到 30B 级别的模型，又有数据敏感、不方便上云的需求。这台机器理论上就是冲你们做的。
接下来四个信号，我会持续盯着，也建议你们等这四个答案落地再掏钱：四季度具体的发售时间和定价；Mac 支持有没有路线图；配套专用 SSD 的寿命和价格；以及第三方实测——特别是 prefill、decode 和并发分开报的那种。
最后说句我的判断：Stack AI 是 OWC 这些年最值得盯的一款产品，因为它标志着这家老牌 Mac 外设厂，第一次从"升级件供应商"跨进"AI 算力外设"的赛道。成不成另说，但方向本身说明它看懂了本地 AI 的焦虑。对我们来说，现在最优策略就是四个字：等等再看。反正它还没发售，而钱包在涨价潮里，本来就该捂紧一点。
