️ TL;DR（先看這裡）

• Blackwell（RTX 5090）+ TB4/USB4 eGPU + Linux = 任何 CUDA 運算都會讓整機瞬間斷電。
• 這是 NVIDIA GSP 韌體 RPC 心跳在隧道延遲下逾時，NVIDIA 尚未修復。
• 換驅動版本無效。同一組硬體在 Windows 下完全正常。

確認方式只要 30 秒： 接上 → 載入驅動 → 跑任何 CUDA kernel。活著 = 修好了，斷電 = 還沒。

在那之前，雙開機用 Windows 是完全合理的答案，不是妥協。

環境

症狀

GPU 正常初始化、nvidia-smi 閒置時完全正常、模型能載入 VRAM。

但任何 CUDA 運算都會讓整機瞬間斷電 —— 無 kernel panic、無 Xid、無 AER、SysRq 無反應，journald 連一行都來不及寫。

決定性的二分測試

我寫了一支 CUDA 程式把「PCIe 傳輸」與「GPU 運算」分開：

測試	結果
PCIe 傳輸 150 GB 來回（64 MiB → 4 GiB 五級）	全數存活，實測 0.78 GB/s
GPU 運算核心	立即整機斷電，無一次例外

傳輸沒問題，運算必死。 這一刀切下去，後面所有的猜測都可以停止。

已排除的假設（每項都有實測數據）

真正的原因

這是 NVIDIA 的已知且未修復問題：

• open-gpu-kernel-modules issue #979
• NVIDIA 論壇：AORUS AI BOX CUDA hard-lock

核心錯誤：

GPU1 _kgspRpcRecvPoll: LibOS heartbeat timed out
kgspInitRm_IMPL: SET_GUEST_SYSTEM_INFO failed

Blackwell 把大量工作交給 GPU 上的 GSP 韌體，主機與 GSP 之間靠 RPC 溝通並有心跳逾時。

透過 TB4/USB4 隧道時延遲過高 → 心跳逾時 → 硬鎖。

上游歸納的模式：TB5 主機正常，TB4/USB4 主機必崩。

Z13 的埠是 USB4 40Gbps，AORUS 盒是 TB5 —— 協商後降為 USB4，正中此模式。

這也解釋了為什麼同一組硬體在 Windows 下可以正常推論：驅動架構不同，沒有這條 RPC 路徑。

試過但無效的所有方法

嘗試	結果
nvidia-driver-595-open	崩潰
nvidia-driver-595（專有版）	無法使用 —— GB202 強制要求 open kernel modules
nvidia-driver-610-open（論壇唯一有成功先例）	崩潰 ×2
pcie_ports=native pcie_aspm=off pcie_port_pm=off	無效
pci=assign-busses,realloc,hpmmiosize=...	弄壞了 iGPU
換 USB4 埠	PCIe 鏈路改善，仍崩潰

️ 坑：pci=assign-busses 會重新編號整台機器的 PCI 匯流排

從 eGPU 論壇抄了一組核心參數一次全加，結果：

iGPU 位址 c4:00.0 → 06:00.0
amdgpu 載入了但綁不上去
rocminfo 找不到 gfx1151
GTT 消失

在一台整個 LLM 部署都靠 iGPU 的機器上，我把 iGPU 弄壞了。

教訓：PCIe 參數要一次只加一個，每次都驗證既有裝置仍正常。

附帶發現

USB4 埠的選擇會影響 PCIe 鏈路

Z13 有兩個 USB4 埠，對應不同橋接器，鏈路品質差很多：

同一台機器、同一條線、同一個盒子，換個孔差 6 倍。

如果你的 eGPU 慢得莫名其妙，先試另一個埠。

每次硬鎖後，eGPU 盒必須實體斷電

單純重開機救不回來。未斷電就重開時：

nvidia-smi          → 讀得到基本資訊
cudaSetDevice()     → CUDA-capable device(s) is/are busy or unavailable
                    → 而且一試就再次弄掛驅動

️ 驅動卡死後不要重複執行 nvidia-smi —— 每次都會多一個 D state 且 kill -9 無效的進程，nvidia_uvm 引用計數只增不減。

給後來者的建議

如果你想用 Strix Halo + USB4 + RTX 5090：

• Windows 側： 正常可用，沒問題。
• Linux 側： 目前（2026-08）任何 CUDA 運算必崩，NVIDIA 尚未修復。
• 確認方式只要 30 秒： 接上 → 載入驅動 → 跑任何 CUDA kernel。活著 = 修好了，斷電 = 還沒。
• 在那之前，雙開機用 Windows 是完全合理的答案，不是妥協。

如果你要在 Z13 上玩 eGPU（不管用不用 AI）：

• 兩個 USB4 埠鏈路品質差 6 倍，務必接 00:01.1 那側（16 GT/s x4）。
• PCIe 核心參數要一次只加一個，不要一次全加。
• 每次硬鎖後，實體斷電 eGPU 盒再重開。
• 驅動卡死後不要重複執行 nvidia-smi。