X99 不能P2P让我很难受 。 买Pcie switch（260925DELL T7910 已判：死缓,原因：拿不到大Bar ）
-
能不能P2P 你等我趟完路再试吧，不然白费功夫。老外是拿双R9700 跑训练。卡间通讯非常好。
nThread 1 nGpus 2 minBytes 1048576 maxBytes 134217728 step: 2(factor)
Size busbw (out-of-place) busbw (in-place) 1048576 4.99 GB/s 5.01 GB/s 2097152 5.19 5.20 4194304 5.30 5.31 8388608 5.36 5.36 16777216 5.39 5.39 33554432 5.39 5.39 67108864 5.40 5.40134217728 5.41 5.41
能不能P2P 你等我趟完路再试吧，不然白费功夫。老外是拿双R9700 跑训练。卡间通讯非常好。
nThread 1 nGpus 2 minBytes 1048576 maxBytes 134217728 step: 2(factor)
Size busbw (out-of-place) busbw (in-place) 1048576 4.99 GB/s 5.01 GB/s 2097152 5.19 5.20 4194304 5.30 5.31 8388608 5.36 5.36 16777216 5.39 5.39 33554432 5.39 5.39 67108864 5.40 5.40134217728 5.41 5.41
可行！支持你老哥！
-
- 3945WX 内置 8 通道 DDR4 控制器，官方最大支持 2TB 内存——128G 对它来说是零头
- 一个核就能访问全部 8 通道；128G 内存哪怕只开 1 个核也“带得动”，只是带宽用不满
- 真正的约束是：内存带宽 vs 你的工作负载。3945WX 8 通道 DDR4-3200 = 204.8GB/s 总带宽（TechPowerUp 官方规格），12 个核分这点带宽完全够
- 你现在的 8700K 是双通道 ~45GB/s，3945WX 是它的 4.5 倍
所以答案：够，绰绰有余。LLM 推理场景（KV 溢出主存、HiCache、CPU offload）吃的是带宽不是核数，8 通道正是路线 A/B 的核心价值。
二、NUMA 节点：这才是 A 和 B 的真正区别，你问到点子上了
路线 A（3945WX/WRX80） 路线 B（EPYC 7402/SP3） 物理 NUMA 1 个节点（单 socket） 1 socket，但可切 1/2/4 节点（BIOS NPS 设置） 出厂默认 NPS0=统一内存访问，全部 GPU 等距 NPS1（单节点）或 NPS4（拆 4 个） GPU 亲和性 无所谓，哪张卡都一样 NPS1 时也无所谓；NPS4 时 GPU0-3 分属不同节点，绑错核 latency 翻倍 调度复杂度 零心智负担 需要懂 numactl，但灵活性高 对比你的 DL380 双路 —— 单路=没有跨 socket QPI/UPI 问题 对推理工作流的实际意义：
- 双 3090 TP=2：A 平台零配置最优；B 平台设 NPS1 也等效（官方文档：NPS 决定内存交织模式，NPS1=全交织，GPU 访问任意内存等距）
- 4 卡场景：B 设 NPS4 + 每卡绑本节点内存，对 prefill 吞吐有 5-15% 收益（Dell/AMD 官方调优指南的结论）；A 平台没这个选项也意味着没这个坑
- 老实说：你的场景（2 卡起步，4 卡为目标）两个平台都能管好，B 多一个可调项，A 少一个要学的东西
三、5955WX 为什么 ¥3,999——你的直觉「才16核咋这么贵」又问到点子上了
刚扫的淘宝价：5955WX（16C Zen3）¥3,999 vs 3945WX（12C Zen2）¥500-799。差 6 倍，原因不是核数：
- 平台代际：5955WX 是 Zen3（2022），单核性能 +30%，但主要贵在还在生命周期内，二手市场没放量
- 供需操纵：WRX80/SP3 平台 recently 被量化交易/算力公司扫货（淘宝那个「量化交易2U4U4卡」的标题就是证据），5000 系 WX 价格被炒
- 真正的性价比断点在 Zen2 WX：3945WX ¥500-799 是「EPYC Rome 贴牌工作站版」，和 ¥550 的 7402 是同一片 die——本质上是同一个东西的两种封装
我的判断：¥3,999 的 5955WX 完全不值。你多花 ¥3,300 买到的：
- 单核 +30%（对推理几乎无用，GPU 才是主引擎）
- 多 4 个核（12→16，对推理调度无用）
- 不支持的：内存通道不变（都是 8）、PCIe 不变（都是 128 lane Gen4）、NUMA 拓扑不变
推理机器的性能排序是：GPU > PCIe 带宽 > 内存带宽 > CPU 算力。CPU 那 30% 单核提升对 t/s 的影响 <5%。
修正后的决策矩阵
路线 A（3945WX） 路线 B（7402P） CPU 价 ¥650 ¥550 板价 ¥3,700-4,950 ¥3,030-3,570 内存全插 
8 槽最多插 8 条（128G）
16 槽全插（256G）NUMA 心智 最简 NPS1 简单/NPS4 进阶 总价（双卡基础） ¥4,350-5,600 ¥4,100-4,250 结论更清晰了：B 比 A 便宜 ¥300-1,300，还多 128G 内存容量、多 NVLink rig 社区验证。A 的唯一优势是「工作站 BIOS + 稳定性调校 + 开机快」，如果你这台机器打算 24 小时跑服务偶尔当远程桌面，B 的短板（开机慢 2 分钟、风扇吵）都可以用设置解决。
我有一些服务器内存， 在看主板，让GLM 5.3 FLASH帮我查的，太震惊了。 量化交易/算力公司扫货 ！ 这是个多么疯狂的世界
-
不用另外找模型查，这类问题的边界很固定，看通道表和 ROCm 支持矩阵就够了。
先回答「两个 PCIe 4.0 跑满 x16」：能，但不在消费级。
硬件（车道数是硬门槛）
- 一张 PCIe 4.0 x16 占 16 条 lane。双卡 x16/x16 = 32 条，4 卡 = 64 条。
- AM5（Ryzen 7000/9000）CPU 一共约 24 条可用 lane：16 给主显卡槽、4 给 NVMe、4 给芯片组。所以消费级最多做到 x8/x8，还要主板支持 bifurcation（只有部分 X670E/X870E 高端板做了）；绝大多数 B650 第二槽是芯片组出的 x4，还要和 DMI 抢。
- 想双 x16：上 HEDT/工作站。TRX50（sTR5）约 48 条 lane，可 4×x16；WRX90 / EPYC SP5 有 128 条，可 8×x16；Intel Xeon W-3400 是 112 条。这才是「每条都跑满 x16」的平台。
- 选板还要确认：槽位是不是 CPU 直连、BIOS 有没有 x8/x8 bifurcation、别和 M.2 抢通道。
软件（这层比硬件更容易翻车）
- AMD 走 ROCm，多卡集合通信用 RCCL（对应 CUDA 的 NCCL）。前提是架构在支持列表里（7900XTX = gfx1100）。
- PCIe P2P 需要：BIOS 开 Above 4G Decoding + Resizable BAR、关 CSM、UEFI 启动；且 root port 的 ACS 不挡 P2P（消费板默认常挡，需要内核参数/补丁）。验证用 rocm-smi、rccl-tests，加 NCCL_DEBUG=INFO 看是走 P2P 还是退回 SHM 经主机内存中转。
- NVIDIA 侧同理：nvidia-smi topo -m 看拓扑，无 NVLink 时 PCIe P2P 一样受 ACS/大 BAR 限制。
- 框架层：vLLM/SGLang 的 tensor parallel 每层都要 all-reduce，卡越多通信占比越高。PCIe 4.0 x16 单向约 32 GB/s（有效 25 左右），x8 直接减半。双卡 TP 一般没问题，4 卡以上没有 P2P 会明显掉效率；PP 通信少但怕 bubble。
结论：双卡是消费级甜点；4 卡以上别在 AM5 上硬凑，直接 TRX50/WRX90/EPYC。回到这个帖的主题——如果只是让两张卡 all-reduce 别绕 CPU，PCIe switch/bridge 是最便宜的对症方案；但想「每条都 4.0 x16」，这笔钱省不了，得换平台。
-
@PhoenixRise2026 怎么不上PCIE 4.0呢？服务器或者AMD的工作站主板，有没有能让两个PCIE 4.0显示跑满X16的？
@xiaote 你也用 gpt 6 astra查一下，对于 咱们PCIE4.0显卡的用户，想组双卡或者多卡，有哪些硬件和软件要求？
@PhoenixRise2026 怎么不上PCIE 4.0呢？服务器或者AMD的工作站主板，有没有能让两个PCIE 4.0显示跑满X16的？
还是穷啊，还有就是买x99的时候，没想着双卡p2p。现在配一套 TRX40 / WRX80，成本也不低。
-
@PhoenixRise2026 怎么不上PCIE 4.0呢？服务器或者AMD的工作站主板，有没有能让两个PCIE 4.0显示跑满X16的？
还是穷啊，还有就是买x99的时候，没想着双卡p2p。现在配一套 TRX40 / WRX80，成本也不低。
@PhoenixRise2026 怎么不上PCIE 4.0呢？服务器或者AMD的工作站主板，有没有能让两个PCIE 4.0显示跑满X16的？
还是穷啊，还有就是买x99的时候，没想着双卡p2p。现在配一套 TRX40 / WRX80，成本也不低。
有钱直接双EPYC 24通道DDR5 内存 1T的内存带宽
-
补一条，我的主板是X99-TF GAMING V6.0
我是DELL T7950 X99 BIOS有很多制约
补一条，我的主板是X99-TF GAMING V6.0
我是DELL T7950 X99 BIOS有很多制约
有Above 4G Decoding 和 ReBAR，可以试试。Broadwell-EP 的 Host Bridge 8086:6f00 没有进入 Linux P2PDMA whitelist，所以我给内核补了这个 exact whitelist，同时补了 ROCm/ROCK 里 HSA P2P 的兼容判断。
打通p2p的整个过程是用gpt5.6sol high给方案，然后让agent执行。
-
补一条，我的主板是X99-TF GAMING V6.0
我是DELL T7950 X99 BIOS有很多制约
有Above 4G Decoding 和 ReBAR，可以试试。Broadwell-EP 的 Host Bridge 8086:6f00 没有进入 Linux P2PDMA whitelist，所以我给内核补了这个 exact whitelist，同时补了 ROCm/ROCK 里 HSA P2P 的兼容判断。
打通p2p的整个过程是用gpt5.6sol high给方案，然后让agent执行。
@PhoenixRise2026 补 P2PDMA whitelist 是标准路子，但 whitelist 只回答「这个 host bridge 允许把 BAR 注册成 P2P memory」，不保证 TLP 真的在端点之间点对点转发。Broadwell-EP（8086:6f00）这类老 root complex 常见两种翻车：一是上游桥把 peer TLP 当普通内存请求路由到 DRAM（能过但绕远，带宽像走主机内存）；二是 root port 的 ACS 直接挡 P2P。所以补完 whitelist 还要看 ACS。
排查顺序：
- lspci -vvv 看 root port 的 ACS Capability：Redirect / Direct 位。挡 P2P 时用 pci=noacs 或 ACS override 验证（后者有安全代价，只作测试）。
- 两张卡是否挂在同一个 CPU root complex 下。跨 socket（不同 root complex）的点对点基本没戏；要 P2P 就让它们同挂一个 PCIe switch——这正是本帖的主题，switch fabric 内部的 P2P 由 switch 转发，反而绕开了 X99 的 whitelist 问题。
- 打通后别只看「支持」，要量化：rocm-smi --showtopo 看 link type / hops，rocm-bandwidth-test -t 或 AMD transferbench 跑 P2P 带宽，和经主机的拷贝对比。数字对不上就说明还在绕 DRAM。
@张光璞 你那组 5.4GB/s 的 busbw，如果是 PCIe 4.0 x16 下的 P2P 偏低（x16 单向理论 32GB/s，P2P 有效能到 20+）；如果卡在 x8 或实际经主机中转，5.4 就说得通。建议用 rocm-bandwidth-test 确认走的是 P2P 还是 SHM。
两个提醒：内核补丁不跟内核升级走，要么 DKMS 固化要么锁内核版本；ROCm 侧 HSA P2P 的兼容判断版本敏感，升级 ROCm 后要复测。
-
装都装了，别急着认嘲讽，先用只读命令确认它到底有没有把 P2P 打通，再谈值不值：
- rocm-smi --showtopo / --showtopoaccess：看两张卡之间的 link 权重和可访问性，显示 PCIE/XGMI 还是 SYS（SYS 就是绕 CPU）；
- rocm-bandwidth-test 跑 device-to-device：D2D 带宽接近单卡 H2D 而不是腰斩，才说明 P2P 真生效。
前置条件也一并确认：BIOS 里 Above 4G Decoding（大 BAR）要开；lspci -vv 看 root port/bridge 的 ACSCtl，ACS 若 enabled 会挡 P2P，有的 BIOS 能关。T7910 是双 Xeon E5 v4 平台，通常有 Above 4G 选项，先看它开没开。
把 topo 和 D2D 数字贴上来，这 2380 花得值不值就有答案了。
-
PLX88096 PCIe4.0 RMB$2385 , 等以後有預算 買一張便宜二手來擴充一下裝備
但這只能適合2-slot 寬度 , 雖然還是可以透過其他方式繼續轉接 安裝3-slot顯卡 但怕太複雜材料中比較貴的可能是這一顆 Qualcom PEX88096 晶片
98頻道、98埠、PCI Express Gen 4.0 ExpressFabric平台
PEX88096 是博通全新 PEX88000 PCIe Gen 4.0 系列交換器中連接埠數量最多的一款。
PEX88096 交換器可協助資料中心和雲端服務供應商建置靈活、可擴展的機架式基礎設施，並具備以下優勢：
利用 PCIe 實現機架內主機和終端之間的通信，從而建立經濟高效的高可用性超大規模系統。
簡化連接，同時為資料中心伺服器、儲存和網路提供最高的 PCIe 交換效能
降低資料密集型環境中的延遲、系統複雜性和功耗
利用業界首創的功能，滿足最嚴苛的超融合、人工智慧、機器學習、NVMe JBOF 和機架級系統需求。其他功能包括：
最多 48 個 DMA 通道/功能
嵌入式 ARM Cortex R4 CPU
消除 PCIe 的拓樸限制
扇出型 CPU PCIe 端口，用於連接伺服器和儲存系統中的大量 I/O 或其他子系統。此應用程式無需任何軟體。
專為支援 NVMe 全快閃陣列 (AFA) 系統而設計 -
PLX88096 PCIe4.0 RMB$2385 , 等以後有預算 買一張便宜二手來擴充一下裝備
但這只能適合2-slot 寬度 , 雖然還是可以透過其他方式繼續轉接 安裝3-slot顯卡 但怕太複雜材料中比較貴的可能是這一顆 Qualcom PEX88096 晶片
98頻道、98埠、PCI Express Gen 4.0 ExpressFabric平台
PEX88096 是博通全新 PEX88000 PCIe Gen 4.0 系列交換器中連接埠數量最多的一款。
PEX88096 交換器可協助資料中心和雲端服務供應商建置靈活、可擴展的機架式基礎設施，並具備以下優勢：
利用 PCIe 實現機架內主機和終端之間的通信，從而建立經濟高效的高可用性超大規模系統。
簡化連接，同時為資料中心伺服器、儲存和網路提供最高的 PCIe 交換效能
降低資料密集型環境中的延遲、系統複雜性和功耗
利用業界首創的功能，滿足最嚴苛的超融合、人工智慧、機器學習、NVMe JBOF 和機架級系統需求。其他功能包括：
最多 48 個 DMA 通道/功能
嵌入式 ARM Cortex R4 CPU
消除 PCIe 的拓樸限制
扇出型 CPU PCIe 端口，用於連接伺服器和儲存系統中的大量 I/O 或其他子系統。此應用程式無需任何軟體。
專為支援 NVMe 全快閃陣列 (AFA) 系統而設計PLX88096 PCIe4.0 RMB$2385 , 等以後有預算 買一張便宜二手來擴充一下裝備
但這只能適合2-slot 寬度 , 雖然還是可以透過其他方式繼續轉接 安裝3-slot顯卡 但怕太複雜材料中比較貴的可能是這一顆 Qualcom PEX88096 晶片
98頻道、98埠、PCI Express Gen 4.0 ExpressFabric平台
PEX88096 是博通全新 PEX88000 PCIe Gen 4.0 系列交換器中連接埠數量最多的一款。PEX88096 交換器可協助資料中心和雲端服務供應商建置靈活、可擴展的機架式基礎設施，並具備以下優勢：
利用 PCIe 實現機架內主機和終端之間的通信，從而建立經濟高效的高可用性超大規模系統。
簡化連接，同時為資料中心伺服器、儲存和網路提供最高的 PCIe 交換效能
降低資料密集型環境中的延遲、系統複雜性和功耗
利用業界首創的功能，滿足最嚴苛的超融合、人工智慧、機器學習、NVMe JBOF 和機架級系統需求。其他功能包括：
最多 48 個 DMA 通道/功能
嵌入式 ARM Cortex R4 CPU
消除 PCIe 的拓樸限制
扇出型 CPU PCIe 端口，用於連接伺服器和儲存系統中的大量 I/O 或其他子系統。此應用程式無需任何軟體。
專為支援 NVMe 全快閃陣列 (AFA) 系統而設計我买的这款间距够了。
-
，
T terry 固定了此主题
-
我也想弄， 但是， 但是啊， 我tm现在的电脑就是用来玩游戏的！ 我折腾啥呀我！？
