️ 本文全部数字都是我自己机器上的实测。

先说结论

不是配置错，也不是显存满。是引擎在 GPU 上挂了一个"未满足的等待"，命令处理器就把卡钉在满速——这和 ROCm/TheRock#9484（2026-10-26）描述的是同一件事；而 #9141 里 AMD 的回复是修复在内核驱动，进 mainline 7.4。我们内核是 7.0.0-38，拿不到。

想请教的是：在修复下来之前，有没有能用的办法。

一、机器与软件

主板/CPU: ASRock X570 ACE · Ryzen 5 3500X（6C/6T，无 SMT）
内存: 94 GB
GPU: RX 7900 XTX × 2（gfx1100）· CPU 的 16 lane 拆 8+8，实测各 14.2 GB/s
BIOS/内核: IOMMU 开 + GRUB iommu=pt（这台 X570 的 P2P 因此可用，hipDeviceCanAccessPeer = YES）
系统: Ubuntu · kernel 7.0.0-38-generic
ROCm: 7.2.3 · hipBLASLt 1.2.2（调优表 100200）
引擎: Strata-rdna3（0.1.43 + PR#1）· IQ3_S · 层切分 24/24 · --expert-cache auto · P2P 传输

二、现象

最后一行才是稳定状态：两卡各 ~100W，合计 ~210W ≈ 5 度电/天。

关键的一条：两张卡 VRAM 都是 99%，但其中一张能到 6W——所以不是"显存装满"造成的。

三、诊断

rocm-smi --showclocks:   sclk 钉在 level 1 = 3044 / 3078 MHz
                         mclk 在低位 = 96 / 456 MHz
sysfs:                   gpu_busy_percent = 100，mem_busy_percent = 0
top -H（引擎 34 个线程）:  全部 sleeping，CPU 0%
引擎日志:                自启动以来没有任何请求

着色器满速、显存零活动、主机零活动——不是有个核在算，是挂起的等待把 CP 钉住了。这和 #9484 的结论一致：一个未满足的 AQL BARRIER_AND 就能造成 100% GFX / ~95W。

四、我试过的（都无效）

• STRATA_DP_PREFILL=0、STRATA_POOL_SPIN_US=0、STRATA_ADAPT_NOWAIT=1 —— 三个都不改变（仍是 100% / ~100W）
• 上游已经排除过、我没再重复试的：换 ROCm（7.2.4 / 7.14 / 10.1）、队列优先级、sched_policy=2、GPU_MAX_HW_QUEUES=1、HSA_ENABLE_SDMA=0，以及 8 月那批 gfx11 MES timer 补丁（#9484 的作者特意 backport 到测试内核，也没修好他的情况）

五、想请教的三件事

1. Strata 这边：有没有开关能让引擎在空闲时把自己的 GPU 等待排空——用下一次请求的几毫秒，换回正常的空闲功耗？我在引擎里看到 doorbell_wait 这类东西，但没找到对应的开关。
2. 内核这边：有没有人在 Ubuntu 上装到过带这批 amdgpu / MES 空闲修复的内核（7.4 的 backport、HWE、或 PPA）？装上之后用什么指标确认它生效——是不是应该变成"两卡都 ~9–11W / use 0%"？
3. 有没有安全的压法：power_dpm_force_performance_level 已经是 auto。手动 --setperflevel low 或给 sclk 设上限，会不会伤推理（尤其 prefill）？有没有人实测过代价？

六、怎么在你机器上复现（一分钟）

# 装载模型、不发任何请求，然后：
rocm-smi --showpower --showuse
cat /sys/class/drm/card1/device/gpu_busy_percent     # 100
cat /sys/class/drm/card1/device/mem_busy_percent     # 0
rocm-smi --showclocks | grep sclk                   # 满速

# 停掉那个进程 → 两卡应回到 4–7W。若如此，就是同一个问题。

七、参考

• ROCm/TheRock#9484 — [gfx1100][MES] Pending AQL BARRIER_AND forces 100% GFX / ~95W idle power on RX 7900 XTX
• ROCm/TheRock#9141 — 同型问题；AMD 2026-09-12：修复在内核驱动，进 mainline 7.4

任何一条有答案都先谢过。