建议版块：AI硬件（/category/6/ai硬件）
建议标签：4090 魔改卡 硬件故障 TDR 蓝屏

一、先说结论

卡本体故障。 同一张卡装到两台完全不同的机器上，都是「接上 12V-2x6 就无法开机（连 POST 都过不去），拔掉显卡电源线就能开」。
而且故障是渐进式的：8/24 系统日志里就爆了 912 条 GPU 微码异常，之后间歇 TDR，9/22 一天内崩两次，晚上彻底不通电。
写出来有两个目的：一是求助维修方向，二是给同样在用 48G 魔改卡的人提个醒。

二、配置

机器 A（原装机，Windows）

• 主板：MSI MPG B850 EDGE TI WIFI（MS-7E62），BIOS 1.A4D（2026-01-07）
• CPU：Ryzen 7 7700（8C，65W 级）
• 电源：XPG 850W，ATX 3.1，原生 12V-2x6
• 系统：Windows 11（build 26200）
  机器 B（对照机，Linux）
• 主板：ASUS X99-WS/IPMI（带 BMC）
• GPU：2 × R9700（各自的 32G，无 N 卡）
• 内核：7.0.14-r9700-p2p
  显卡
• RTX 4090 48G 魔改卡（换过 24 颗显存颗粒 + 非官方 VBIOS）
• PCI 子系统 ID：10DE:16F3
• 驱动：32.0.16.1088（= 610.88），2026-07-23 安装
• 来历：原本装在机器 B 上，9/17 移到机器 A

三、故障演进（时间轴）

1）8/23 21:53 装机 → 8/24 20:00–20:59：单小时 912 条 GPU 微码异常
系统日志出现 912 条 nvlddmkm 事件 13：

Graphics FECS Exception: Logging error 0x2

全部集中在 20:00–20:59 这一小时内。当时机器里只有这一张 N 卡（用 Afterburner 配置文件的创建时间 + setupapi.dev.log 的硬件安装记录交叉验证过），所以这批异常确定是这张 4090 报的。
重点：这段时间画面完全正常，没有任何弹窗、没有任何通知。 Windows 不会为 nvlddmkm 事件弹提示，只能自己开事件查看器过滤才看得到。
2）9/22 10:19–10:23：第一次 TDR → 蓝屏

10:19:51  nvlddmkm 14   UCodeReset TDR occurred on GPUID:100
10:22:59  Kernel-Power 41   系统已重新开机，但未先正常关机
10:23:11  BugCheck 0x00000116 (VIDEO_TDR_FAILURE)，相关驱动 nvlddmkm.sys
          dump: C:\WINDOWS\Minidump\092226-14828-01.dmp

3）9/22 21:41：第二次 TDR，连 PCIe 硬重置都救不回来

21:41:26  nvlddmkm 14  timeout error waiting for NV_UFLUSH_FB_FLUSH = 0x2 cnt=544854
21:41:26  nvlddmkm 14  GPU recovery action changed from 0x0 (None) to 0x1 (PF FLR)
21:41:23~38  nvlddmkm 153 ×6  Error occurred on GPUID: 100
                              → Resetting TDR → Reset TDR → Restarting TDR
22:00:12  BugCheck 0x00000116，相关驱动 nvlddmkm.sys
          dump: C:\WINDOWS\Minidump\092226-13578-01.dmp

• cnt=544854：驱动反复轮询 GPU 的 framebuffer flush 完成标志 54 万次都等不到 → GPU 完全停止响应
• PF FLR：驱动放弃软件层恢复，改要求 PCIe 总线做硬件级 Function Level Reset → 硬重置也失败
• 蓝屏参数 Arg3 = 0xc000009a、Arg4 = 4 → 恢复动作本身失败
  4）9/22 23:08：清 CMOS 后重装卡 → 通电即无法开机
• 显卡插在插槽上并接上 12V-2x6 → 主机无法开机、完全没画面（连 BIOS/POST 都没有）
• 只拔掉显卡的电源线 → 主机立刻正常开机（卡还留在插槽里）
• 显卡通电时本体发热、风扇低速转动，但 BIOS 和系统完全侦测不到这张卡
  5）9/22 23:52：装到机器 B 对照 → 同样起不来
• 把卡装进机器 B（X99-WS/IPMI），开机后 6 分钟内主机完全没有上线（每 20 秒探测一次，全部失败）
• 但机器 B 的 BMC 一直正常回应 → 电源、待机电路没问题，就是主机起不来

四、已经排除的方向

• 系统 / 驱动：故障发生在 POST/BIOS 阶段，早于任何操作系统与驱动被加载
• 主板 PCIe 插槽：卡留在插槽上、只拔电源线 → 机器能正常开机
• CPU / PCIe 总线硬件错误：WHEA 事件 0 条
• Windows 曾尝试加载显卡而失败：Kernel-PnP 事件 0 条（系统根本没看见这张卡）
• 满载过热 / 满载功耗：两次崩溃的时段 ComfyUI 没有任何输出文件，21:00–21:59 之间相关目录零文件写入 → 是闲置/轻载时挂的
• Windows 更新：9/22 当天只有 Defender 病毒库和 WindowsAppRuntime，与 GPU 无关
• 驱动版本变更：7/23 安装、8/7 重新部署，崩溃前两个月没动过
• 超频 / 降压软件：MSI Afterburner 已卸载，底层驱动 RTCore64、服务、System32\drivers\*RTCore* 全部确认不存在
• 供电接头外观：12V-2x6 卡端与线材接头外观正常，无熔化、无变色、无焦痕
• BIOS 设置：清 CMOS、回默认后症状不变
  还没排除的：PSU 或 12V-2x6 线材本身异常。概率我判断很低（因为 8/24 那 912 条是 GPU 内部的微码异常，不是输入供电异常），但成本低，值得用另一颗电源单独测一次。

五、我的判断

1. 两台机器、两套电源，同一张卡、同一症状 → 唯一共同变量就是卡
2. 故障点在 POST 阶段 → 跟 Windows、驱动、软件全都无关
3. 崩溃前已有渐进式 GPU 内部故障：8/24 单日 912 条微码异常 → 9/17 TDR → 9/22 两次完整 TDR 风暴 → 彻底不通电
4. 这是 48G 魔改卡（24 颗颗粒重植 + 非官方 VBIOS），本来就是高故障率产品，装机不到 24 小时就报 912 条 GPU 微码异常 → 到手时就已经不正常

六、求助

1. 有没有人遇到过 48G 魔改卡「通电即无法开机」（不是黑屏，是连 POST 都过不去）？最后是修好的，还是直接报废？
2. 板级维修推荐：能跑 MATS / memtest_vulkan 显存测试的维修渠道（台湾或大陆都行，能寄送即可）。修的方向我猜是 VRM 供电模组 + 12V 输入端。
3. 如果 GPU 核心还活着，48G 的 PCB + 核心大概还剩多少残值？值得修还是拆卖？

七、给其他 48G 魔改卡用户的提醒

1. 系统日志里 nvlddmkm 事件 13 / 14 / 153 不会弹任何通知，画面也可能完全正常。要自己开事件查看器 → Windows 记录 → 系统，筛选来源 nvlddmkm 才看得到。
2. 一旦出现 Graphics FECS Exception，就要开始备份、准备后路了。 我这次是连续爆了一小时 912 条，四周后卡就废了。
3. 魔改卡的供电和显存散热比原版吃紧，建议主动限功耗（nvidia-smi -pl 350）、盯显存温度。
4. 魔改卡没有任何原厂保固，正规代理商不收。买之前就要把「坏了怎么办」想清楚——我这次卡在「卖家在中国、人在台湾」的位置，非常难处理。
5. 参考： 判断有没有在 offload，看 nvidia-smi 是不是稳定在 22–23G；system RAM 飙升、GPU 利用率抖动就是在 offload。

八、可复现的检查方法（给想自查的人）

# 查 nvlddmkm 全部异常（事件 13 / 14 / 153）
Get-WinEvent -FilterHashtable @{LogName='System'; ProviderName='nvlddmkm'} -MaxEvents 50 |
  Select-Object TimeCreated, Id, @{n='Detail';e={($_.Properties | ForEach-Object {$_.Value}) -join ' | '}} |
  Format-Table -AutoSize -Wrap
# 查蓝屏记录
Get-WinEvent -FilterHashtable @{LogName='System'; ProviderName='Microsoft-Windows-WER-SystemErrorReporting'} -MaxEvents 10
# 查有没有硬件级错误（正常应该是 0 条）
Get-WinEvent -FilterHashtable @{LogName='System'; ProviderName='Microsoft-Windows-WHEA-Logger'} -MaxEvents 10

Linux 侧（卡还能被识别时）：

lspci -nn | grep -i -e nvidia -e 10de
nvidia-smi
dmesg | grep -iE 'nvrm|nvidia|AER'

這卡是我8月去大陸背回台灣的 8/23 21點上機點亮 這一個月跑LLM ComfyUI 供耗限制400W 我都開著冷氣 待機溫度約35 運行均溫70左右 結果剛剛9/22 21點掛了... 非常糟心 有聯繫客服 說明天早上會提供技術支援 但我剛剛測試下來 感覺沒意外應該是要送回去了