机器：2× Radeon PRO W7900 48G（gfx1100），PCIe 4.0 x8，单卡 PPT 241 W；
栈：ComfyUI 0.39 + comfy-kitchen 0.2.37 + 自研 tp2-comfy v1.2.0。
每个数字都是同一台机、同一张首帧、同一 seed 现跑出来的，脚本一条命令可复跑。

回帖：https://lcz.me/topic/2697（双 7900 XTX 的 TP2 勘误与重测）

重要参考帖：https://lcz.me/topic/2693（那张八档 1.9× 表出自这里）

开这个帖的目的：2697 那套 TP2 跑在 PCIe 3.0 x8 上（all_reduce 5.03 GB/s），我这台正好是 PCIe 4.0 x8（12.95 GB/s）、切分实现基本同源——所以用与 2697 完全相同的口径（124 帧 / 8 步 / seed 145 / 第 2–7 步均值）把六档重跑一遍，量一下带宽从 5.03 提到 12.95 GB/s 到底能换回多少收益，再把 3.0 x16 / 4.0 x16 一起推演出来——结论是 PCIe 3.0 x16 就够。

本文要点

1. 六档统一口径实测（124 帧 / 8 步 / seed 145 / 第 2–7 步均值）：TP2 加速 1.65–1.87×，加 MLP 分块重叠后 1.71–1.87×。
2. 重叠是像素无损的：六档开/关分块，解码像素 PSNR = inf，两卡 md5 一致。
3. 天花板在链路：跳过 all_reduce 实测 1.998×（≈2.0），与帖 2697 的 1.97× 一致。
4. 带宽收益有明确曲线：3.0 x8 → 3.0 x16 → 4.0 x8 → 4.0 x16，832 档加速比约 1.32× → 1.60× → 1.68× → 1.84×，3.0 x16 已经拿到 4.0 x8 的 95%。
5. 性价比平台 = 真 X99（原生 C612 芯片组）+ PCIe 3.0 x16 + 双 7900 XTX 24G；48G 的溢价只对「1080p 长片 / 权重常驻 / SeedVR2 放大」三件事值。

先说我自己的判断

• PCIe 3.0 x16 就够。 带宽对这套 TP2 确实有收益，但曲线很早就压平了：3.0 x16 能拿到 4.0 x8 的 95% 左右（第 5 节有推演表），为 4.0 x16 换平台不值得。
• 通道当然 x16 优于 x8，但协议代次不是瓶颈，条数和延迟才是。
• 要组这套平台，板子必须是原生 C612 芯片组的真 X99（H81/B85 改的不行：PCIe 通道拆东墙补西墙，双卡 x16 跑不满）。
• 硬上 PCIe 4.0 x16 意义不大，投入回报率太低。

0. 先对齐口径，否则数字没法比

1. 主表（124 帧 / 8 步 / seed 145 / 第 2–7 步均值）

平均：TP2 1.74×，加 MLP 分块重叠 1.80×（重叠平均再省 3.1%）。

（表中「+MLP重叠」= MLP 沿序列分块、块间归约与下一块计算并行；六档都验过，与整块版的解码像素逐像素相同。）

2. 天花板在哪：零通信实测 1.99×

• 把 all_reduce 整个跳过（TP_NOAR=1，只为计时）跑同一格：832×480 档 6.33 s/步，对单卡 12.65 就是 1.998×（≈2.0）—— 和帖 2697报的 1.97× 几乎一样，说明两边“切分本身”都很干净。
• 通信是纯串行成本：每步 100 次 SUM × packed 行数 × 5376 × 2 B，832 档 ≈ 16.8 GB/步，我们链路 12.95 GB/s ⇒ 约 1.30 s/步，占一步 17%。
• 所以 单卡÷2 + 通信 就是硬下限。2697算过“同一个实现换 12.93 GB/s 能到 6.4–6.6 s”，我们这台的实测正好落在那一段——两台机器殊途同归，差别只在链路。

3. 和帖 2697 的差别：链路和功耗

单卡 12.65 vs 11.23 这 11%：2697的卡压在 261 W，我们 W7900 是 241 W，显存带宽也有落差；另外量化格式也不一样。

4. 那张 1.9× 表：套个公式就能自检

隐含带宽 = 每步 payload ÷ (TP2 步时 − 单卡步时/2)

2697自己实测 all_reduce 是 5.03 GB/s，平台就是 PCIe 3.0 x8（单向 7.9 GB/s）。
上面这列隐含 32–108 GB/s，比链路快 4–14 倍——说明那两个时间不是同条件测的；这张早前的 8 档表后来在楼里被重测纠正过（同机重测 1.10–1.47× SHM / 1.44–1.67× P2P+重叠）。
拿同一公式套本文的格子，反推是 11–14 GB/s，正好对上我们实测的 12.95 GB/s。

5. 带宽到底值多少：3.0 x8 → 3.0 x16 → 4.0 x8 → 4.0 x16

用同一个串行模型换带宽来推演：step(新带宽) = 实测 − payload/12.95 + payload/新带宽。
先校验模型：把我们的 832 档代入 3.0 x8（5.03 GB/s） 得 9.58 s/步，而帖 2697 同档实测 9.44 s/步，误差 1.5%，够用。

读法：3.0 x16 能拿到 4.0 x8 的 95% 左右（理论上来说应该是相同的），4.0 x16 相比 3.0 x16 只再多 4–5%。为这 4–5% 换平台，投入回报率太低——这就是我开头那句话的来源。

6. 硬件差异、显存边界、以及三档卡能干什么

6.1 三张卡不是只差显存，算力也差一档

• 三张卡是同一套架构（RDNA3 / gfx1100），同一份 int8 权重、同一套 TP2 代码可以原样跑，不用重新烘焙、也不用改 kernel——差别只在显存容量、显存带宽、CU 数和功耗墙。
• 7900 XT（20G）不只是显存少 4 GB：CU 从 96 砍到 84（−12.5%），显存带宽 800 vs 960 GB/s（−17%），叠加频率/功耗墙，实际算力低 15–20%。这一档要按「能跑但更慢」估工期，别只看显存够不够。
• W7900 的 CU 和 XTX 一样多，但显存带宽 864 vs 960 GB/s（−10%）、功耗墙 241 vs 355 W，实测单卡 832 档 12.65 s/步 vs 帖 2697 的 11.23 s/步（−11%）——差的正是这两项，不是 TP 本身的开销。

6.2 六档实测显存（同一份工作流，换卡只变余量）

124 帧 / 8 步，峰值含首步初始化；单卡那列是 48G 卡上的数。

6.3 落到「能不能干」

6.4 所以怎么买

双 7900 XTX 24G 是性价比最高的那一档。 不碰 1080p 长片的话，TP2 在 640–1536 全档都能跑，成本比 48G 低一大截；48G 的溢价只在「362 帧 1080p、权重常驻、顺手跑 SeedVR2 7B」这三件事上摊得平，为它专门升级投入回报率很低。

双 7900 XT 20G 压预算可以，但要按算力打折排工期：显存对应 640–1536，每步比 XTX 慢 15–20%，1080p 差一口气（要 20.1 GiB）。综合体验比 24G 差一档，价格合适才买。

双 48G 只在要做长片/常驻/放大时才值——比如 362 帧 1080p，或者出片后还要用 SeedVR2 7B 放大。

7. 结论

• PCIe 3.0 x16 够用：能拿到 4.0 x8 的 95% 左右（832 档 1.60× vs 1.68×），4.0 x16 只再多 4–5%。
• 超高性价比平台的合理配置：真 X99（原生 C612 芯片组，别买 H81/B85 改的）+ 两个直连 CPU 的 PCIe 3.0 x16 槽 + 双 7900 XTX 24G。
• 我们的 TP2 现在 1.65–1.87×，加 MLP 分块重叠后 832 档 7.23 s/步、1920 档 84.71 s/步。
• 天花板在链路：零通信实测 1.998×（≈2.0，我们）/ 1.97×（帖 2697）。