見出し画像
Photo by nako

【2025年保存版】70Bモデルも爆速転送。AI開発者が選ぶべき「外付けSSD」はこれだ（HDDはもう無理）

app_try | 現場で死なないAI実装論

AIモデルの開発や検証をしていて、一番「寿命」を削られる瞬間はいつか。

エラーが出たとき？ いいえ、違います。
GPUのメモリが足りないとき？ それも違います（それは金で解決できます）。

答えは、「70Bクラスの巨大モデル（safetensors）を移動・コピーしている待ち時間」です。

Hugging Faceからダウンロードしたモデルを、とりあえず保存用HDDから作業用SSDへ移す。あるいは、バックアップのためにGoogle Driveへアップロードする。

この「緑色のプログレスバー」を見つめている虚無の時間こそが、AIエンジニアの集中力を断ち切り、生産性を地に落とす最大の敵です。

今回は、最近私が導入して**「もっと早く買っておけばよかった」と後悔したデータ保存環境（外付けSSD & NAS）**について、難しいベンチマークは抜きにして、実際の「体感」だけで語ります。

結論から言います。
「AIやるなら、HDDはもう捨てろ。Google Driveに課金するくらいなら、これを買え。」

1. 「HDD」がAI開発に向かない致命的な理由

これまで私は、過去にダウンロードしたモデルデータ（Llama-3やSDXLのLoRAなど）を、4TBの外付けHDDに放り込んでいました。安いし、大容量だからです。

しかし、最近のモデルはデカすぎます。
例えば、70Bの量子化モデルだと約40GB。生データなら100GBを超えます。

これをHDDからPC本体（M.2 SSD）に移そうとすると、何が起きるか。

  • 転送速度： 平均100MB/s前後（遅いときはもっと落ちる）

  • 40GBの移動時間： 約7〜8分

「たかが7分」と思うかもしれません。
しかし、コードを書き、試行錯誤している最中の「7分」は致命傷です。トイレに行って、コーヒーを淹れて戻ってきてもまだ終わっていない。
この瞬間に、「あ、Twitter（X）見よ」となってしまい、せっかくの**「開発のフロー状態」**が完全に切れるのです。

HDDは「倉庫」としては優秀ですが、「開発現場」にはもう居場所がありません。

2. 爆速SSDに変えたら、世界が変わった話

そこで導入したのが、USB 3.2 Gen2対応のポータブルSSD（具体的にはSamsung T7 ShieldやSanDisk Extremeなど、読出1000MB/s出るクラス）です。

これを使って、同じ40GBのsafetensorsファイルを移動してみました。

  • 転送速度： 平均800〜1000MB/s

  • 40GBの移動時間： 約40秒

「えっ、もう終わったの？」

これが正直な感想です。
7分かかっていた作業が、40秒です。トイレに行く暇すらありません。
「移動している間にスマホを見よう」という隙すら与えてくれない。これこそが、AI開発に必要なスピード感です。

実際の運用フロー

PC本体のストレージ（2TBなど）はすぐに埋まります。
なので、以下のように運用を変えました。

  1. Hugging FaceからDL： 直接「外付けSSD」に保存。

  2. 推論・学習時： Pythonスクリプトから直接「外付けSSD」のパスを指定してロード。

最近の外付けSSDは爆速なので、PC本体に移さなくても、USB接続したまま直接モデルを読み込んで推論させても、ほとんど遅延を感じません。
モデルの切り替え（Unload/Load）もサクサクです。

これだけで、PC本体の容量不足問題と、データ移動の待ち時間から完全に解放されました。

3. Google Driveの容量不足を解消する「NAS（ライト版）」

もう一つの悩みが「バックアップ」です。
学習させたLoRAデータや、厳選したデータセット。消えたら死ぬレベルの重要データです。

これまではGoogle Drive（2TBプラン）を使っていましたが、月額料金がかかる上に、アップロード/ダウンロードが家の回線速度に依存するため、数百GB単位の同期は現実的ではありませんでした。

そこで導入したのが、初心者向けの**NAS（ネットワーク対応HDD）**です。
（SynologyのDS223jなど、2〜3万円で買えるエントリーモデルで十分です）

ここが最高

  • ローカル内転送なので爆速： 家のWi-Fi（または有線LAN）経由なので、クラウドより圧倒的に速い。

  • 月額無料： 初期投資だけで、実質何TBでも使い放題。

  • どこからでもアクセス： 外出先のMacBookから、自宅のNASにあるモデルデータを参照できる。

私は今、**「使うモデルは外付けSSD」「使わないけど取っておくモデルはNAS」**という完全にローカルで完結するフローを構築しました。
これでGoogle Driveの容量警告に怯えることも、毎月のサブスク代に頭を悩ませることもなくなりました。

4. 結論：AI開発者が買うべきストレージの条件

これからデータ保存環境を整えるなら、以下の基準で選んでください。

【外付けSSD（持ち運び・作業用）】

  • 必須条件： USB 3.2 Gen2対応（転送速度1000MB/s以上）。

  • 容量： 最低2TB（4TBあれば神）。

  • 注意点： 付属のケーブルを使うこと。100均のType-Cケーブルを使うと速度がUSB 2.0（激遅）になります。

  • おすすめ： Samsung T7 Shield / SanDisk Extreme / Crucial X9 Pro

    • ※SanDiskは堅牢ですが、少し高いです。コスパならCrucial。

【NAS（保管用）】

まとめ

GPUに30万円、40万円とかける私たちが、数千円をケチってHDDを使い続け、毎日数十分の「待ち時間」をドブに捨てているのは滑稽です。

「モデルのロード時間」＝「あなたの時給」です。

70Bモデルを一瞬で転送できたときのあの全能感。ぜひ味わってください。
HDDの回転音から解放され、静寂の中で高速に開発を進める環境は、GPUをアップグレードするのと同じくらい、あなたの生産性を劇的に向上させてくれます。

次に読む

✅ 次に読む → GPUに30万払うなら、このキーボードに3万払え
　次は「人間」に投資する

✅ 迷ったら → Start Here（読む順番ガイド）

✅ 関連 → LLM開発PC比較（ノートPC）
　外付けSSDと相性の良いノートPC

✅ もう一歩 → GPU監視を「コックピット化」せよ
　モニター環境も整える


#AI #Python #LLM #深層学習 #PC環境 #ガジェット #SSD #NAS #業務効率化 #エンジニアの日常

いいなと思ったら応援しよう！