# X99 洋垃圾 + 双 R9700 翻车实录：单卡 39 t/s 稳跑 27B，双卡一满载就断电，1300W 电源也救不了
-
平台：Dell Precision T7910（双路 Xeon E5-2683 v4 / 128G DDR4 ECC / 1300W 电源）
显卡：盈通 R9700 32G（RDNA4 / gfx1201 / Navi48）×2
系统：Ubuntu 24.04.5 LTS + HWE 内核 7.0.0 + ROCm 7.2 + llama.cpp（HIP 后端 + FastMTP 补丁）
模型：Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-Q6_K_P（24.1G）
TL;DR（赶时间看这张表）
项目 结果 单卡 32G 
27B Q6 + MTP + 128K 上下文 → decode 39.7 t/s / prefill 395 t/s双卡 64G 
一满载就整机断电重启，连发一句"你好"都能重启把功率限到 250W 照样断限到硬件下限 210W 还是断（且已确认崩溃瞬间功率确实是 210W）最终结论 不是总功率不够 —— 双卡稳态才 ~690W，1300W 电源只用了 53% → 怀疑是单路 12V 瞬态过流触发电源保护 现状 单卡先跑着，等解决供电再上双卡 一句话教训：
power1_cap限的是平均功耗，限不住微秒级瞬态尖峰。靠降功率，救不了供电不足的机器。
一、平台配置与采购价
部件 规格 来源/价格 准系统 Dell Precision T7910 塔式（双路 LGA2011-3 / 8 内存槽 / BIOS A34） 闲鱼 ¥1,199 包邮 CPU Xeon E5-2683 v4 ×2（16C/32T，2.1GHz，120W）×2 — 内存 4×32G DDR4 ECC RDIMM（只插了 4 条，每路 2 通道） — 电源 1300W（T7910 最高配档） — 显卡 盈通 R9700 32G ×2（PCI 1002:7551，RDNA4 / gfx1201） — 系统盘 447G SSD（LVM 根分区从 100G 扩到 437G） — 
️ 内存插法要留意：每路 CPU 只插了 DIMM1+DIMM2，每路双通道、全平台 4/8 通道，实测带宽 76.8 GB/s。插满 8 条可到 153.6 GB/s（跑 CPU 推理才有意义，见第六节）。
二、装机踩坑（按踩到的顺序，每条都能省你半天）
坑 1：Ubuntu 24.04 默认内核 6.8 完全不认识 RDNA4
- 症状：
amdgpu: Fatal error during GPU init、probe of 0000:05:00.0 failed with error -22，/dev/dri/renderD128压根不出现 - 原因：RDNA4（Navi48）需要 6.12+ 内核，24.04 GA 的 6.8 太老
- 解法：装 HWE 内核
sudo apt install -y linux-generic-hwe-24.04 # 实测拿到 7.0.0-31坑 2：老平台必须开 BIOS「Above 4G Decoding」
RDNA4 这种 32G 大显存卡需要 GB 级 BAR 空间，老平台默认不开时：
lspci -vvs 05:00.0 | grep -A3 'Resizable BAR' # BAR 0 只有 256MB dmesg | grep 'root bus resource \[mem' # PCIe MMIO 窗口仅 ~320MB开完 BIOS 后窗口变成
mem 0x30000000000-0x33fffffffff、BAR 升到33fe0000000，这一步是硬前提。坑 3：换新内核后 amdgpu 一初始化就挂 → boot loop
现象：内核 7.0 下 amdgpu 走到
DMUB hardware initialized之后就整机重启，日志无 panic 落盘。旧内核 6.8 看不到这症状（它连初始化都进不去）。三步定位法：
- 内核参数加
modprobe.blacklist=amdgpu启动 → 系统能稳 ⇒ 确认是 amdgpu，同时拿到一个能抓日志的窗口 - 黑名单模式下：一个连接
sudo dmesg -w流式读，另一个连接手动sudo modprobe amdgpu→ 抓到最后几行 - 逐项加参数复测（每次用
grub-reboot '1>N'一次性试启动，失败自动回默认内核，不会把自己锁在门外）
最后解决它的不是参数，是硬件：用户换了一个 GPU 供电接口后，连
runpm=0都可以去掉，彻底稳定。
教训：软件层对不上时先看硬件。[drm] Initialized amdgpu 3.64.0都打出来了还挂 → 不是驱动 bug，优先查供电/接线。坑 4：ROCm 7.2 装到怀疑人生
- 国内没有任何 ROCm 镜像（中科大/阿里/腾讯/清华全 404），只能直连
repo.radeon.com，实测 ~2.7 MB/s - 下载 5~7 GB / 600+ 包，装完占 8~15 GB，全程约 80 分钟，别少留时间
curl -s https://repo.radeon.com/amdgpu-install/7.2/ubuntu/noble/ | grep -oE 'amdgpu-install_[0-9._-]+_all.deb' sudo apt-get install -y /tmp/amdgpu-install_*_all.deb sudo amdgpu-install --usecase=rocm --no-dkms -y- apt 走清华源时若命中 IPv6 会 403：
403 Forbidden [IP: 2402:...]→ 写/etc/apt/apt.conf.d/99force-ipv4内容Acquire::ForceIPv4 "true";永久解决 - ROCm 7.2 原生就认 gfx1201，
HSA_OVERRIDE_GFX_VERSION单卡 llama.cpp 不需要（那个变量是留给 SGLang/vLLM 这类还在旧支持列表里的框架的）
坑 5：装完 ROCm 第一件事 —— 用户要进
render组 ★这是最阴的一个坑：
rocminfo # 普通用户跑 → 空的 sudo rocminfo # 正常显示 gfx1201根因：
/dev/kfd和/dev/dri/renderD128的权限是root:render 660，用户不在render组里。而 llama.cpp 只会报no ROCm-capable device is detected，极易误判成"架构不支持/驱动坏了"，白查半天。sudo usermod -aG render,video <user> # 必须重新登录才生效同类报错还有第二个来源：systemd 服务抢在 amdgpu 初始化完成前启动（
/dev/kfd刚出现但还不可用），症状一模一样（is-active=active、/health=ok、实际在跑 CPU）。修法不同：ExecStartPre=/bin/sleep 20+Wants=dev-kfd.device+ 单元文件里必须显式写SupplementaryGroups=render video（systemd 只继承主组，shell 里的补充组带不进去）。一秒判定在不在 GPU 上：
cat /sys/class/drm/card*/device/mem_info_vram_used只有 ~50MiB ⇒ 跑在 CPU 上；正常加载 20G+ 模型应显示几十 GiB。坑 6：btop 1.3.0 在 RDNA4 上必崩（段错误）
1.3.0 新增了 ROCm SMI GPU 监控，会
dlopen系统的librocm_smi64，在 gfx1201 上读温度/PCIe 吞吐失败后直接 Segfault。日志线索在~/.config/btop/btop.log（先WARNING: ROCm SMI: Failed to get maximum GPU temperature再崩）。没有任何配置项/环境变量/命令行参数能关掉它。解法：降级到 btop 1.2.13（GPU 模块是 1.3.0 才加的），并且必须覆盖
/usr/bin/btop本体——只装到/usr/local/bin时调用路径没命中，跑的还是那个必崩的版本。坑 7：llama.cpp 新版参数改名，照抄教程直接崩
--no-mmap→--load-mode {auto|none|mmap|mlock|dio}--draft-n→--spec-draft-n-max- 投机解码统一到
--spec-type
照抄模型卡里的示例命令 → systemd 陷入
Failed with result 'exit-code'的 5 秒重启循环，而显存看着是空的，容易误判"模型没加载上"。抄完必须
llama-server --help | grep <参数>验证一遍。
三、单卡成绩单（真香的部分）
配置
llama-server \ --model Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-Q6_K_P.gguf \ --spec-type draft-mtp \ --spec-draft-model Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-FastMTP-32K.gguf \ --spec-draft-ngl all --spec-draft-n-max 3 --spec-draft-p-min 0 \ --ctx-size 131072 --parallel 1 \ --batch-size 2048 --ubatch-size 512 \ --n-gpu-layers all --cache-type-k q8_0 --cache-type-v q4_0 \ --flash-attn on --load-mode mmap --jinja \ --host 0.0.0.0 --port 8080 --metrics实测（27B Q6_K_P + MTP，128K 上下文，280W）
场景 prefill decode 7K prompt（可预测文本） 395.4 t/s 39.7 t/s 16K prompt（可预测文本） 414.4 t/s 37.4 t/s 随机文本（低接受率） 308.4 t/s 25.3 t/s - 显存占用 29.8G / 32.6G（模型 + 128K KV + draft 全驻显存）
- 272 秒连续输出 10000 tokens，稳定 36.7 t/s 不掉速
- 跑完 GPU 立刻回落 17W —— 完全空闲
对 Agent 工作流的意义：16K 的 prompt 40 秒内消化完，之后 decode 稳在 37~40 t/s。"大 prompt 快速吞吐 + 投机解码加速长输出"正是 coding agent 最吃重的两段。
四、双卡翻车全过程（本文重点）
时间线
步骤 动作 结果 1 双卡上机，llama.cpp 直接认出 ROCm0 + ROCm1（各 32G） 识别正常2 两卡各限 250W，跑双卡单实例（ --split-mode layer）
跑到"生成"阶段"啪"一声整机断电重启3 怀疑限功不够，降到 210W（GPU 总功耗仅 420W） 还是断电4 重启后确认崩溃瞬间的功率确实 = 210W 
彻底排除"功率上限太高"5 换供电接口再试 依旧断电6 最后发现：连发一句"你好"都会重启 
关键线索 转折点：一句"你好"就重启这一条把整个排查方向掰过来了。
如果光是满载跑长任务才断，那还能怀疑"持续功耗过高"。但发一句"你好"（输出不到 10 个 token）也断，说明问题不在持续负载上：
GPU 从空闲 12W 被唤醒到满载 300W+，这个瞬间跳变才是凶手。
判据链总结
降功率 → 仍然断电 ⇒ 不是"功率上限设太高" 崩溃时功率确实等于设定值 ⇒ 不是"限功没生效" 单卡同功率长期稳定 ⇒ 卡本身没问题 发一句"你好"就重启 ⇒ 不是持续负载，是瞬态跳变 ← 关键断电后的后遗症
反复跳闸几次后，只有一块卡被 amdgpu 接管了（
dmesg | grep 'Initialized amdgpu'只有一条、/dev/dri里缺card0），需要重启系统才能恢复。此时另一张卡物理上等于不存在（不耗电，对供电反而"安全"）。
五、为什么 1300W 电源也不够？（分析）
先算总账：根本不是"瓦数不够"
单卡：276W(GPU) + 170W(双路CPU) + ~100W(平台) ≈ 546W 双卡：420W(GPU) + 170W(CPU) + ~100W(平台) ≈ 690W 1300W 电源 → 利用率仅 53%总功率余量巨大，所以"1300W 不够"这个方向一开始就是错的。
真相方向：瞬态尖峰 + 单路 12V
证据一：
power1_cap根本拦不住尖峰单卡实测（0.15 秒采样，120 个点）：
平均 278 W ← 贴着 cap 280W，说明 cap 在生效 最大 335 W ← 但尖峰冲高 20%！ 最小 181 W
cap 是平均值控制，控制回路有延迟。GPU 在微秒级尺度上可以瞬间抽走远超 cap 的电流。
证据二：现代显卡的瞬态特性
- 现代 GPU 的瞬态峰值可达稳态的 1.5~2 倍（ATX 3.0 规范正是为此要求电源支撑 200% 峰值）
- AMD 卡在这块尤其出名（RDNA3 的 7900XTX 就因尖峰太猛有过不少翻车案例）
- 两张卡同时从空闲跳到满载，尖峰叠加 → 单路 12V 电流跳变极猛
推论（待验证）：
1300W 是总功率，但电源的 12V 是多路分配的。显卡走的那一（几）路 12V，在瞬态瞬间电流超出该路 OCP（过流保护）阈值 → 电源直接保护性关断。
这也解释了为什么降 cap 完全没用：cap 管的是平均功耗，管不了 dI/dt。
下一步打算（等验证）
- 查电源铭牌的分路规格（各 12V 路的额定电流）
- 换独立 PCIe 供电线（排除一分二/转接线瓶颈 —— 转接线是最常见的元凶）
- 必要时换更大/单路 12V 更强的电源
- 或者干脆双电源（显卡单独供电，用同步启动线）
六、附带实测：CPU 和内存能参与推理吗？
能，但在这台机器上等于自残。
配置 prefill decode GPU 全卸载（ -ngl all）~395 t/s 39.7 t/s CPU 单路 16 线程（ numactl --cpunodebind=0 --membind=0）30 t/s 1.09 t/s CPU 跨双路 32 线程（默认） 26 t/s 0.15 t/s ️
三个反直觉发现
① 跨双路比单路还慢 7 倍
16 线程（单路，内存本地） = 1.09 t/s 32 线程（跨两路） = 0.15 t/s ← 慢 7 倍！llama.cpp的 CPU 后端用自旋屏障做线程同步，双路 Xeon 之间的 QPI 延迟远高于片内；32 个线程跨 socket 同步时，屏障开销直接吃光带宽，叠加远端内存访存惩罚 → 比只用一路还惨。线程多 ≠ 快。②
llama.cpp的--numa三种模式全部无效模式 decode --numa distribute0.16 t/s --numa isolate0.15 t/s（prefill 还被拖低 20%） numactl --interleave=all0.15 t/s 别指望参数绕过，只能靠
numactl钉死单路。③ 单路 1.09 t/s 是完全自洽的
单路 2 通道 DDR4-2400 = 38.4 GB/s 38.4 GB/s ÷ 24GB 模型 ≈ 1.6 t/s 理论上限 实测 1.09 t/s = 68% 效率 ✓结论：decode 是纯带宽活（每 token 把权重读一遍）。模型能全装进显存时，让 CPU 参与纯属拖后腿；只有模型大于显存（如 70B Q4 = 39G 塞不进 32G）时，混合推理才有意义 —— 且那时必须钉单路。
七、MTP（FastMTP）实测数据
HauhauCS 的 FastMTP 补丁（改
src/models/qwen35.cpp，+27 行，实现 d2t draft 词表映射）+ 862MB 的 draft 模型。关键指标是
mean len（平均接受长度），不是 acceptance % —— mean len 就是提速倍数：
8 段真实 agent 请求实测：mean len 在 1.73 ~ 3.27 之间，平均 2.46 → 约 2.5 倍提速。
规律：
- 代码生成 / 工具调用 JSON / 结构化输出 / 长文续写 → mean len 高（2.5~3.3），收益大
- 随机文本 / 开放式创作 → mean len 掉到 1.7 附近，收益有限
别把官方"3× 提速"当承诺 —— 收益完全取决于你生成内容的可预测性。
八、给后来人的建议清单
买之前
- 先算供电账，别只算显存账：加卡的收益可能被"必须换电源"的代价吃掉
- 老工作站平台（T7910/R7910 这类）标配电源是按当年 250W 级卡设计的，上现代 300W 卡要重算
- 查清电源是单路 12V 还是多路，以及显卡走哪一路
装机时
- 大显存卡（24G/32G）必须开 BIOS Above 4G Decoding
- RDNA4 需要6.12+ 内核（Ubuntu 24.04 要装 HWE）
- 装完 ROCm第一件事：
usermod -aG render,video <user>并重新登录 - systemd 跑服务要显式写
SupplementaryGroups=render video+ExecStartPre=/bin/sleep 20
调优时
power1_cap只能限平均值，限不住瞬态尖峰 —— 这是本文最大的一个认知- 显卡功率限制不是 llama.cpp 的参数，在驱动层 sysfs（
/sys/class/drm/card*/device/hwmon/hwmon*/power1_cap） - 抄启动命令前先
--help | grep验证参数名（新版改了一堆） - btop 在 RDNA4 上用1.2.13，并覆盖
/usr/bin/btop本体
排障时
- 降功率后仍然断电 ⇒ 不是功率上限问题，别再往下调了（硬件下限是 210W）
- 低频小请求也重启 ⇒ 是瞬态问题，不是持续负载
- 软件层所有证据都对得上还挂 →回头查硬件（供电/接线）
- 排查"明明修好了又崩"时，先
diff本地与远端脚本（本次踩过：本地旧副本覆盖了远端已修好的版本）
九、当前状态
✅ 单卡 R9700 32G + Qwen3.8-27B Q6_K_P + FastMTP + 128K 上下文 decode 39.7 t/s / prefill 395 t/s / 280W / 显存 29.8G 已服务化（systemd 开机自启 + 崩溃自愈） ❌ 双卡 64G：暂不可用，等解决供电问题下一步：查电源分路规格 → 换独立 PCIe 线 → 必要时换电源 → 再战双卡。
本文数据均为实机实测，硬件为自购。有踩过同款坑或者对单路 12V 有经验的朋友，欢迎在评论区指教。
- 症状：
-
再多说一句。标准300w的卡，瞬时功耗大约最高600w，标准功耗600w的卡，瞬时功耗最高1000w。大部分psu的最高境界瞬时1.5x的标称。但是super flower能到2.2x。
品牌不是根因，规格才是。双卡一满载就断电，先分三件事：① 持续功率不够；② 瞬态尖峰触发 OCP/OPP；③ 多路 12V 单路过流。
瞬态倍率这个方向对（300W 卡短时冲到 600W 很常见），但「只有某品牌行」太满了——同型号不同批次、单路 vs 多路、线材接头都会变。可验证的做法：
- 看铭牌 12V 总输出和每条 PCIe 分路的限流，别只看额定瓦数；
- 每张卡走独立 PCIe 线，别用一转二；
- 驱动层 power1_cap 降一档，挡不住尖峰但能削持续峰值；
- 单卡稳、双卡一上负载就断，优先怀疑 OCP 瞬态，而不是总功率。
两张 R9700 加平台，1300W 账面是够的，问题多半在瞬态和分路。
-
品牌不是根因，规格才是。双卡一满载就断电，先分三件事：① 持续功率不够；② 瞬态尖峰触发 OCP/OPP；③ 多路 12V 单路过流。
瞬态倍率这个方向对（300W 卡短时冲到 600W 很常见），但「只有某品牌行」太满了——同型号不同批次、单路 vs 多路、线材接头都会变。可验证的做法：
- 看铭牌 12V 总输出和每条 PCIe 分路的限流，别只看额定瓦数；
- 每张卡走独立 PCIe 线，别用一转二；
- 驱动层 power1_cap 降一档，挡不住尖峰但能削持续峰值；
- 单卡稳、双卡一上负载就断，优先怀疑 OCP 瞬态，而不是总功率。
两张 R9700 加平台，1300W 账面是够的，问题多半在瞬态和分路。
品牌不是根因，规格才是。双卡一满载就断电，先分三件事：① 持续功率不够；② 瞬态尖峰触发 OCP/OPP；③ 多路 12V 单路过流。
瞬态倍率这个方向对（300W 卡短时冲到 600W 很常见），但「只有某品牌行」太满了——同型号不同批次、单路 vs 多路、线材接头都会变。可验证的做法：
- 看铭牌 12V 总输出和每条 PCIe 分路的限流，别只看额定瓦数；
- 每张卡走独立 PCIe 线，别用一转二；
- 驱动层 power1_cap 降一档，挡不住尖峰但能削持续峰值；
- 单卡稳、双卡一上负载就断，优先怀疑 OCP 瞬态，而不是总功率。
两张 R9700 加平台，1300W 账面是够的，问题多半在瞬态和分路。
@xiaote 小特，你在这个问题的回答上太不专业了，你还是参考一下我给的图片再回答吧。这个问题其实并不是什么大问题，现在在网上已经有非常统一的答案了。
-
，
T terry 固定了此主题
-
品牌不是根因，规格才是。双卡一满载就断电，先分三件事：① 持续功率不够；② 瞬态尖峰触发 OCP/OPP；③ 多路 12V 单路过流。
瞬态倍率这个方向对（300W 卡短时冲到 600W 很常见），但「只有某品牌行」太满了——同型号不同批次、单路 vs 多路、线材接头都会变。可验证的做法：
- 看铭牌 12V 总输出和每条 PCIe 分路的限流，别只看额定瓦数；
- 每张卡走独立 PCIe 线，别用一转二；
- 驱动层 power1_cap 降一档，挡不住尖峰但能削持续峰值；
- 单卡稳、双卡一上负载就断，优先怀疑 OCP 瞬态，而不是总功率。
两张 R9700 加平台，1300W 账面是够的，问题多半在瞬态和分路。
@xiaote 小特，你在这个问题的回答上太不专业了，你还是参考一下我给的图片再回答吧。这个问题其实并不是什么大问题，现在在网上已经有非常统一的答案了。
图看了，讲的是 5090：sustained TGP ~575W、瞬态 650W+，建议 boost 上限再压 10%，用 Super Flower 1600W Titanium 带双卡。这个结论我不反对——双 5090 就得选瞬态余量够的电源。
我上一条说「品牌不是根因」不是否定换电源能解决，而是想说起作用的是 OCP 触发门限、瞬态响应和单路 12V 容量；Super Flower 只是在这个价位把这几项做得高（社区实测 ~2.2x），所以同型号不同批次、不同线材未必复制得了，有同等瞬态规格的电源一样能解。
回到你的 R9700×2：300W 级卡瞬态约 600W，两张同时冲就是 ~1.2kW 瞬时，1300W 稳态够，跳不跳看 OCP 门限怎么设。先确认是不是 OCP 硬切；是的话换高瞬态余量电源，或把两张卡分到不同 12V 支路，二选一即可。
-
再多说一句。标准300w的卡，瞬时功耗大约最高600w，标准功耗600w的卡，瞬时功耗最高1000w。大部分psu的最高境界瞬时1.5x的标称。但是super flower能到2.2x。
-
我讓GPT做個研究 補充一下相關資訊
ATX 3.0 規格是由 Intel（英特爾） 於 2022 年 3 月正式發布的桌上型電腦電源設計規範。
什麼是瞬時功耗 Power Excursion？
也就是一顆合規的 1000W ATX 3.x PSU，在測試條件下甚至要能處理 2000W / 100µs 的 excursion。
更有意思的是 PCIe Add-in Card 規格本身：對 >75W 卡，≤100µs 的總卡功率 excursion envelope 可高達 sustained power 的 3×。時間窗 Time Window ATX 3.x PSU >450W + 12V-2x6 要承受 100 µs 200% PSU rated power 1 ms 180% 10 ms 160% 100 ms 120% 持續 100% ATX Version 3.0 Multi Rail Desktop Platform Power Supply Design Guide
power1_cap = 210W 為何還是可能跳電？
power1_cap 並不是把 GPU 的任何瞬間功耗都硬性鎖死在 210W，而是透過 GPU 的電源管理機制，讓一段時間內的平均功耗維持在大約 210W。
問題在於，GPU 從低負載突然進入高負載時，功耗上升速度非常快。即使最後穩定運作時只有 210W，在剛開始工作的極短時間內，仍可能出現遠高於 210W 的瞬時功耗。
例如 GPU 原本待機只有 10～20W，收到推理請求後，幾乎瞬間啟動大量運算單元。此時可能先出現一個很短的高電流尖峰，之後電源管理控制迴路才把功耗壓回設定的 210W。
所以可以把它理解成：
210W power cap 控制的是「一段時間內的功耗」，不是「每一個微秒都不得超過 210W」。
如果這個瞬間尖峰太大，就可能讓電源供應器觸發過電流保護（OCP）、過功率保護（OPP），或者造成 12V 電壓瞬間下陷，最終導致整台機器直接斷電或重啟。 -
-
-
-
-
平台：Dell Precision T7910（双路 Xeon E5-2683 v4 / 128G DDR4 ECC / 1300W 电源）
显卡：盈通 R9700 32G（RDNA4 / gfx1201 / Navi48）×2
系统：Ubuntu 24.04.5 LTS + HWE 内核 7.0.0 + ROCm 7.2 + llama.cpp（HIP 后端 + FastMTP 补丁）
模型：Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-Q6_K_P（24.1G）
TL;DR（赶时间看这张表）
项目 结果 单卡 32G 27B Q6 + MTP + 128K 上下文 → decode 39.7 t/s / prefill 395 t/s双卡 64G 一满载就整机断电重启，连发一句"你好"都能重启把功率限到 250W 照样断限到硬件下限 210W 还是断（且已确认崩溃瞬间功率确实是 210W）最终结论 不是总功率不够 —— 双卡稳态才 ~690W，1300W 电源只用了 53% → 怀疑是单路 12V 瞬态过流触发电源保护 现状 单卡先跑着，等解决供电再上双卡 一句话教训：
power1_cap限的是平均功耗，限不住微秒级瞬态尖峰。靠降功率，救不了供电不足的机器。
一、平台配置与采购价
部件 规格 来源/价格 准系统 Dell Precision T7910 塔式（双路 LGA2011-3 / 8 内存槽 / BIOS A34） 闲鱼 ¥1,199 包邮 CPU Xeon E5-2683 v4 ×2（16C/32T，2.1GHz，120W）×2 — 内存 4×32G DDR4 ECC RDIMM（只插了 4 条，每路 2 通道） — 电源 1300W（T7910 最高配档） — 显卡 盈通 R9700 32G ×2（PCI 1002:7551，RDNA4 / gfx1201） — 系统盘 447G SSD（LVM 根分区从 100G 扩到 437G） — ️ 内存插法要留意：每路 CPU 只插了 DIMM1+DIMM2，每路双通道、全平台 4/8 通道，实测带宽 76.8 GB/s。插满 8 条可到 153.6 GB/s（跑 CPU 推理才有意义，见第六节）。
二、装机踩坑（按踩到的顺序，每条都能省你半天）
坑 1：Ubuntu 24.04 默认内核 6.8 完全不认识 RDNA4
- 症状：
amdgpu: Fatal error during GPU init、probe of 0000:05:00.0 failed with error -22，/dev/dri/renderD128压根不出现 - 原因：RDNA4（Navi48）需要 6.12+ 内核，24.04 GA 的 6.8 太老
- 解法：装 HWE 内核
sudo apt install -y linux-generic-hwe-24.04 # 实测拿到 7.0.0-31坑 2：老平台必须开 BIOS「Above 4G Decoding」
RDNA4 这种 32G 大显存卡需要 GB 级 BAR 空间，老平台默认不开时：
lspci -vvs 05:00.0 | grep -A3 'Resizable BAR' # BAR 0 只有 256MB dmesg | grep 'root bus resource \[mem' # PCIe MMIO 窗口仅 ~320MB开完 BIOS 后窗口变成
mem 0x30000000000-0x33fffffffff、BAR 升到33fe0000000，这一步是硬前提。坑 3：换新内核后 amdgpu 一初始化就挂 → boot loop
现象：内核 7.0 下 amdgpu 走到
DMUB hardware initialized之后就整机重启，日志无 panic 落盘。旧内核 6.8 看不到这症状（它连初始化都进不去）。三步定位法：
- 内核参数加
modprobe.blacklist=amdgpu启动 → 系统能稳 ⇒ 确认是 amdgpu，同时拿到一个能抓日志的窗口 - 黑名单模式下：一个连接
sudo dmesg -w流式读，另一个连接手动sudo modprobe amdgpu→ 抓到最后几行 - 逐项加参数复测（每次用
grub-reboot '1>N'一次性试启动，失败自动回默认内核，不会把自己锁在门外）
最后解决它的不是参数，是硬件：用户换了一个 GPU 供电接口后，连
runpm=0都可以去掉，彻底稳定。 教训：软件层对不上时先看硬件。[drm] Initialized amdgpu 3.64.0都打出来了还挂 → 不是驱动 bug，优先查供电/接线。坑 4：ROCm 7.2 装到怀疑人生
- 国内没有任何 ROCm 镜像（中科大/阿里/腾讯/清华全 404），只能直连
repo.radeon.com，实测 ~2.7 MB/s - 下载 5~7 GB / 600+ 包，装完占 8~15 GB，全程约 80 分钟，别少留时间
curl -s https://repo.radeon.com/amdgpu-install/7.2/ubuntu/noble/ | grep -oE 'amdgpu-install_[0-9._-]+_all.deb' sudo apt-get install -y /tmp/amdgpu-install_*_all.deb sudo amdgpu-install --usecase=rocm --no-dkms -y- apt 走清华源时若命中 IPv6 会 403：
403 Forbidden [IP: 2402:...]→ 写/etc/apt/apt.conf.d/99force-ipv4内容Acquire::ForceIPv4 "true";永久解决 - ROCm 7.2 原生就认 gfx1201，
HSA_OVERRIDE_GFX_VERSION单卡 llama.cpp 不需要（那个变量是留给 SGLang/vLLM 这类还在旧支持列表里的框架的）
坑 5：装完 ROCm 第一件事 —— 用户要进
render组 ★这是最阴的一个坑：
rocminfo # 普通用户跑 → 空的 sudo rocminfo # 正常显示 gfx1201根因：
/dev/kfd和/dev/dri/renderD128的权限是root:render 660，用户不在render组里。而 llama.cpp 只会报no ROCm-capable device is detected，极易误判成"架构不支持/驱动坏了"，白查半天。sudo usermod -aG render,video <user> # 必须重新登录才生效同类报错还有第二个来源：systemd 服务抢在 amdgpu 初始化完成前启动（
/dev/kfd刚出现但还不可用），症状一模一样（is-active=active、/health=ok、实际在跑 CPU）。修法不同：ExecStartPre=/bin/sleep 20+Wants=dev-kfd.device+ 单元文件里必须显式写SupplementaryGroups=render video（systemd 只继承主组，shell 里的补充组带不进去）。一秒判定在不在 GPU 上：
cat /sys/class/drm/card*/device/mem_info_vram_used只有 ~50MiB ⇒ 跑在 CPU 上；正常加载 20G+ 模型应显示几十 GiB。坑 6：btop 1.3.0 在 RDNA4 上必崩（段错误）
1.3.0 新增了 ROCm SMI GPU 监控，会
dlopen系统的librocm_smi64，在 gfx1201 上读温度/PCIe 吞吐失败后直接 Segfault。日志线索在~/.config/btop/btop.log（先WARNING: ROCm SMI: Failed to get maximum GPU temperature再崩）。没有任何配置项/环境变量/命令行参数能关掉它。解法：降级到 btop 1.2.13（GPU 模块是 1.3.0 才加的），并且必须覆盖
/usr/bin/btop本体——只装到/usr/local/bin时调用路径没命中，跑的还是那个必崩的版本。坑 7：llama.cpp 新版参数改名，照抄教程直接崩
--no-mmap→--load-mode {auto|none|mmap|mlock|dio}--draft-n→--spec-draft-n-max- 投机解码统一到
--spec-type
照抄模型卡里的示例命令 → systemd 陷入
Failed with result 'exit-code'的 5 秒重启循环，而显存看着是空的，容易误判"模型没加载上"。抄完必须
llama-server --help | grep <参数>验证一遍。
三、单卡成绩单（真香的部分）
配置
llama-server \ --model Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-Q6_K_P.gguf \ --spec-type draft-mtp \ --spec-draft-model Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-FastMTP-32K.gguf \ --spec-draft-ngl all --spec-draft-n-max 3 --spec-draft-p-min 0 \ --ctx-size 131072 --parallel 1 \ --batch-size 2048 --ubatch-size 512 \ --n-gpu-layers all --cache-type-k q8_0 --cache-type-v q4_0 \ --flash-attn on --load-mode mmap --jinja \ --host 0.0.0.0 --port 8080 --metrics实测（27B Q6_K_P + MTP，128K 上下文，280W）
场景 prefill decode 7K prompt（可预测文本） 395.4 t/s 39.7 t/s 16K prompt（可预测文本） 414.4 t/s 37.4 t/s 随机文本（低接受率） 308.4 t/s 25.3 t/s - 显存占用 29.8G / 32.6G（模型 + 128K KV + draft 全驻显存）
- 272 秒连续输出 10000 tokens，稳定 36.7 t/s 不掉速
- 跑完 GPU 立刻回落 17W —— 完全空闲
对 Agent 工作流的意义：16K 的 prompt 40 秒内消化完，之后 decode 稳在 37~40 t/s。"大 prompt 快速吞吐 + 投机解码加速长输出"正是 coding agent 最吃重的两段。
四、双卡翻车全过程（本文重点）
时间线
步骤 动作 结果 1 双卡上机，llama.cpp 直接认出 ROCm0 + ROCm1（各 32G） 识别正常2 两卡各限 250W，跑双卡单实例（ --split-mode layer） 跑到"生成"阶段"啪"一声整机断电重启3 怀疑限功不够，降到 210W（GPU 总功耗仅 420W） 还是断电4 重启后确认崩溃瞬间的功率确实 = 210W 彻底排除"功率上限太高"5 换供电接口再试 依旧断电6 最后发现：连发一句"你好"都会重启 关键线索 转折点：一句"你好"就重启这一条把整个排查方向掰过来了。
如果光是满载跑长任务才断，那还能怀疑"持续功耗过高"。但发一句"你好"（输出不到 10 个 token）也断，说明问题不在持续负载上：
GPU 从空闲 12W 被唤醒到满载 300W+，这个瞬间跳变才是凶手。
判据链总结
降功率 → 仍然断电 ⇒ 不是"功率上限设太高" 崩溃时功率确实等于设定值 ⇒ 不是"限功没生效" 单卡同功率长期稳定 ⇒ 卡本身没问题 发一句"你好"就重启 ⇒ 不是持续负载，是瞬态跳变 ← 关键断电后的后遗症
反复跳闸几次后，只有一块卡被 amdgpu 接管了（
dmesg | grep 'Initialized amdgpu'只有一条、/dev/dri里缺card0），需要重启系统才能恢复。此时另一张卡物理上等于不存在（不耗电，对供电反而"安全"）。
五、为什么 1300W 电源也不够？（分析）
先算总账：根本不是"瓦数不够"
单卡：276W(GPU) + 170W(双路CPU) + ~100W(平台) ≈ 546W 双卡：420W(GPU) + 170W(CPU) + ~100W(平台) ≈ 690W 1300W 电源 → 利用率仅 53%总功率余量巨大，所以"1300W 不够"这个方向一开始就是错的。
真相方向：瞬态尖峰 + 单路 12V
证据一：
power1_cap根本拦不住尖峰单卡实测（0.15 秒采样，120 个点）：
平均 278 W ← 贴着 cap 280W，说明 cap 在生效 最大 335 W ← 但尖峰冲高 20%！ 最小 181 Wcap 是平均值控制，控制回路有延迟。GPU 在微秒级尺度上可以瞬间抽走远超 cap 的电流。
证据二：现代显卡的瞬态特性
- 现代 GPU 的瞬态峰值可达稳态的 1.5~2 倍（ATX 3.0 规范正是为此要求电源支撑 200% 峰值）
- AMD 卡在这块尤其出名（RDNA3 的 7900XTX 就因尖峰太猛有过不少翻车案例）
- 两张卡同时从空闲跳到满载，尖峰叠加 → 单路 12V 电流跳变极猛
推论（待验证）：
1300W 是总功率，但电源的 12V 是多路分配的。显卡走的那一（几）路 12V，在瞬态瞬间电流超出该路 OCP（过流保护）阈值 → 电源直接保护性关断。
这也解释了为什么降 cap 完全没用：cap 管的是平均功耗，管不了 dI/dt。下一步打算（等验证）
- 查电源铭牌的分路规格（各 12V 路的额定电流）
- 换独立 PCIe 供电线（排除一分二/转接线瓶颈 —— 转接线是最常见的元凶）
- 必要时换更大/单路 12V 更强的电源
- 或者干脆双电源（显卡单独供电，用同步启动线）
六、附带实测：CPU 和内存能参与推理吗？
能，但在这台机器上等于自残。
配置 prefill decode GPU 全卸载（ -ngl all）~395 t/s 39.7 t/s CPU 单路 16 线程（ numactl --cpunodebind=0 --membind=0）30 t/s 1.09 t/s CPU 跨双路 32 线程（默认） 26 t/s 0.15 t/s ️三个反直觉发现
① 跨双路比单路还慢 7 倍
16 线程（单路，内存本地） = 1.09 t/s 32 线程（跨两路） = 0.15 t/s ← 慢 7 倍！llama.cpp的 CPU 后端用自旋屏障做线程同步，双路 Xeon 之间的 QPI 延迟远高于片内；32 个线程跨 socket 同步时，屏障开销直接吃光带宽，叠加远端内存访存惩罚 → 比只用一路还惨。线程多 ≠ 快。②
llama.cpp的--numa三种模式全部无效模式 decode --numa distribute0.16 t/s --numa isolate0.15 t/s（prefill 还被拖低 20%） numactl --interleave=all0.15 t/s 别指望参数绕过，只能靠
numactl钉死单路。③ 单路 1.09 t/s 是完全自洽的
单路 2 通道 DDR4-2400 = 38.4 GB/s 38.4 GB/s ÷ 24GB 模型 ≈ 1.6 t/s 理论上限 实测 1.09 t/s = 68% 效率 ✓结论：decode 是纯带宽活（每 token 把权重读一遍）。模型能全装进显存时，让 CPU 参与纯属拖后腿；只有模型大于显存（如 70B Q4 = 39G 塞不进 32G）时，混合推理才有意义 —— 且那时必须钉单路。
七、MTP（FastMTP）实测数据
HauhauCS 的 FastMTP 补丁（改
src/models/qwen35.cpp，+27 行，实现 d2t draft 词表映射）+ 862MB 的 draft 模型。关键指标是
mean len（平均接受长度），不是 acceptance % —— mean len 就是提速倍数：8 段真实 agent 请求实测：mean len 在 1.73 ~ 3.27 之间，平均 2.46 → 约 2.5 倍提速。
规律：
- 代码生成 / 工具调用 JSON / 结构化输出 / 长文续写 → mean len 高（2.5~3.3），收益大
- 随机文本 / 开放式创作 → mean len 掉到 1.7 附近，收益有限
别把官方"3× 提速"当承诺 —— 收益完全取决于你生成内容的可预测性。
八、给后来人的建议清单
买之前
- 先算供电账，别只算显存账：加卡的收益可能被"必须换电源"的代价吃掉
- 老工作站平台（T7910/R7910 这类）标配电源是按当年 250W 级卡设计的，上现代 300W 卡要重算
- 查清电源是单路 12V 还是多路，以及显卡走哪一路
装机时
- 大显存卡（24G/32G）必须开 BIOS Above 4G Decoding
- RDNA4 需要6.12+ 内核（Ubuntu 24.04 要装 HWE）
- 装完 ROCm第一件事：
usermod -aG render,video <user>并重新登录 - systemd 跑服务要显式写
SupplementaryGroups=render video+ExecStartPre=/bin/sleep 20
调优时
power1_cap只能限平均值，限不住瞬态尖峰 —— 这是本文最大的一个认知- 显卡功率限制不是 llama.cpp 的参数，在驱动层 sysfs（
/sys/class/drm/card*/device/hwmon/hwmon*/power1_cap） - 抄启动命令前先
--help | grep验证参数名（新版改了一堆） - btop 在 RDNA4 上用1.2.13，并覆盖
/usr/bin/btop本体
排障时
- 降功率后仍然断电 ⇒ 不是功率上限问题，别再往下调了（硬件下限是 210W）
- 低频小请求也重启 ⇒ 是瞬态问题，不是持续负载
- 软件层所有证据都对得上还挂 →回头查硬件（供电/接线）
- 排查"明明修好了又崩"时，先
diff本地与远端脚本（本次踩过：本地旧副本覆盖了远端已修好的版本）
九、当前状态
✅ 单卡 R9700 32G + Qwen3.8-27B Q6_K_P + FastMTP + 128K 上下文 decode 39.7 t/s / prefill 395 t/s / 280W / 显存 29.8G 已服务化（systemd 开机自启 + 崩溃自愈） ❌ 双卡 64G：暂不可用，等解决供电问题下一步：查电源分路规格 → 换独立 PCIe 线 → 必要时换电源 → 再战双卡。
本文数据均为实机实测，硬件为自购。有踩过同款坑或者对单路 12V 有经验的朋友，欢迎在评论区指教。
- 症状：
-
@张光璞 有没有试过把驱动的电源管理关掉? 就是别让它进入低功耗模式.
$ cat /etc/modprobe.d/amdgpu-runpm.conf options amdgpu runpm=0
