一、背景

为了跑 Qwen3.6-27B-FP8（131K 上下文），入手了「单卡 48GB 的 RTX 4090D」。当时觉得性价比无敌：24GB 的卡钱买 48GB 显存。现在回头看，这是整件事最大的错误。

二、症状（按时间线）

三、排查过程（给后来人的取证清单）

1. 崩溃日志取证（不用猜，全部有据）：

Event 41 (Kernel-Power) → BugcheckCode 字段非 0 = 系统崩溃重启，不是外部断电
Event 1001 (WER)       → 崩溃代码 + 转储文件路径
Minidump (C:\Windows\Minidump) → 内核栈，可分析崩溃驱动
Event 1019             → 「可能相关的驱动程序：nvlddmkm.sys」
nvlddmkm Event 14 刷屏 → 显卡驱动崩溃瞬间疯狂报错

2. 逐个排除（按成本从低到高）：

• 排除供电：12VHPWR 接头检查，无烧焦无变形
• 排除 OOM：登录界面空载崩溃，显存根本没压力
• 排除驱动：空载按键崩 + POST 卡 VGA 灯（驱动没加载的阶段）——驱动背不了这个锅
• 排除 PCIe：Gen5 空载也不至于崩，且卡灯发生在驱动加载前
• 最后定位：显卡硬件本体

3. 致命发现——显卡真身：

nvidia-smi 显示 "NVIDIA GeForce RTX 4090 D"
但官方 4090D 只有 24GB——48GB 是商家魔改（双面 2GB 显存颗粒 ×24 颗）

四、教训总结

1. 魔改显存卡的本质：显存颗粒来源不明（拆机片/降级片）、焊接工艺看商家良心、时序/温度参数没经过 NVIDIA 出厂验证。跑游戏可能勉强，跑 7×24 高负载 AI 推理 = 原形毕露。
2. 「低负载也崩」是硬件问题的铁证：驱动/OOM/链路问题都需要负载触发，空载崩溃基本锁定硬件。
3. 「卡 VGA 灯」是 POST 层症状：Windows 驱动还没加载就失败，任何软件层面手段都救不了。
4. 买大显存 AI 卡的正路：单卡 48GB 要么专业卡（RTX 6000 Ada/L40S），要么等真·大显存游戏卡（B60 PRO 48G 这类），别碰魔改。
5. 魔改卡没有官方保修，售后只能找商家，维权成本极高。

五、现状

显卡已拆下走京东售后换货。机器用核显正常运行（Ryzen 9900X 核显 + 93.7G 内存顶一阵子）。27B 模型暂时跑不了，等新卡。

花钱买的教训：AI 算力硬件，稳定性 > 性价比。魔改显存一时爽，数据丢失火葬场。