150块上哪儿买一张8GB显存的显卡答案在二手市场P104矿渣。这卡当年在矿场干的是苦力活核心是GP104跟GTX 1080同源同宗却被NVIDIA拿去做数字货币运算专用卡砍掉视频输出连给你打一局游戏的机会都没有。我第一次把它插进主板结果开机直接卡在VGA灯风扇哼了一下就停了换核显输出也没画面。折腾了一圈发现不是驱动问题也不是核心坏了问题出在PCIe金手指上。用一卷电工胶带贴住几个触点这张150块的矿渣竟然活了后来还用它把PyTorch的MNIST手写数字训练跑完了。这篇帖子就把整个过程记录下来从P104的来路、PCIe兼容性原理、胶带屏蔽实测到驱动安装和深度学习环境配置一次性讲清楚。1. P104矿渣卡拆解它到底是不是一张“GTX 1080”1.1 GP104核心底子不差就差在一身矿气P104-100是NVIDIA在2017年前后面向矿场推出的“数字货币采矿处理器”核心代号GP104-100和当年游戏卡里的GTX 1080用的都是GP104家族。只是产品定位完全不同P104身上做了三件事保留最大算力、去掉视频输出、削掉游戏生态相关的功能。所以它虽然核心强但在普通电脑上就是个“残废”。我手头这张卡的主要规格如下和GTX 1080放在一起看比较直观项目P104-100GTX 1080核心代号GP104-100GP104-400CUDA核心数25602560显存容量8GB GDDR58GB GDDR5X显存位宽256-bit256-bit视频输出接口无DP、HDMI、DVI外接供电6-pin68-pin公版为8-pin官方TDP约140W180W单看算力P104和GTX 1080是一个级别显存位宽都是256-bit深度学习里最看重的“显存容量”和“CUDA核心数”都没缩水。但矿卡的体质参数普遍比游戏卡保守核心频率、显存频率都往低了调长期7x24小时高负载运行核心和显存的寿命损耗也说不准。1.2 为什么二手市场只卖150块矿渣卡便宜不是没道理。第一没有视频输出接口普通用户买了没法当游戏卡用受众直接缩成一群“垃圾佬”和搞计算的人。第二矿场退役的卡几乎都刷过矿BIOS遇上普通主板或者普通驱动分分钟不认得。第三经历过长期高温高负载风扇轴承磨损、散热鳍片积灰、金手指氧化都是常态敢买的都要做好翻车心理准备。但便宜就是硬道理。对比一下同样是8GB显存的全新卡哪怕是入门级也要上千二手GTX 1080也得500上下。150块买一张能点亮、能跑CUDA的卡对预算有限又想玩深度学习的人来说诱惑力实在太大。1.3 深度学习场景下它反而有一个隐藏优势深度学习训练和游戏的需求不同步。训练时不看显示器输出P104没有视频输出接口这回事在纯计算场景下根本不叫缺点。CUDA生态对Pascal架构计算能力6.1的支持非常成熟PyTorch、TensorFlow都能直接用8GB显存对图像分类、目标检测、小型语义分割这些常规任务绰绰有余。更妙的是P104没有视频输出反倒让它更“老实”——系统不会把它当显示卡抢输出你插一张亮机卡或者直接核显就可以安心把它当纯计算芯片用。2. 为什么一插上去就黑屏先搞懂PCIe开机那几秒发生了什么2.1 PCIe的“握手”流程比你想的复杂得多很多人的问题在于卡插进主板开机然后主板上Debug灯卡在VGA处连BIOS都进不去。这种现象表面看是“显卡没被识别”本质上是PCIe链路握手没有成功。现代PCIe设备的上电识别流程大致是这样的显卡插入插槽后主板先通过插槽上的PRSNT#引脚检测到“有设备插入”随后给设备发PERST#复位信号等设备复位完成双方进入Link Training状态机LTSSM从检测、轮询、配置再到退出空闲最终协商出链路宽度和速率。链路起来之后主板才去枚举设备的配置空间分配内存地址资源然后才轮到操作系统加载驱动。任何一个环节卡住都会表现为“点不亮”或者“进系统后设备不可用”。这种链路握手异常不只矿卡上有很多PCIe设备都会有。比如热词里提到的Realtek RTL8852BE WiFi 6无线网卡公版驱动在网页测速时频繁中断本质也是PCIe链路状态在功耗和带宽切换时不稳定触发了链路重训。理解了PCIe握手机制再看各种兼容性玄学就都不玄了。2.2 矿卡的“怪脾气”是哪来的矿场里的显卡通常不直接插主板而是通过转接板接到矿机主板上有些矿机为了省电和统一管理还会在转接板上对PCIe信号做各种非常规处理。P104这张卡在矿场里跑了好几年金手指上留下了转接板插拔的痕迹个别触点可能被转接板上的机械结构压出凹痕氧化层也比一般显卡严重。更麻烦的是BIOS。矿场版本的P104往往刷过专用矿BIOS这类BIOS在初始化时会默认等待矿机主板的时序甚至把SMBusI2C管理总线上的信号拉起来普通家用主板根本不会给出同样的时序响应于是握手到一半就放弃了。有些卡还有风扇策略失控、温控传感器读不到数据的问题都是矿BIOS留下的后遗症。2.3 胶带的本质把出问题的引脚物理隔离掉“用胶带屏蔽PCIe接口”听起来很野路子但原理非常正统。PCIe插槽上一共有几十根引脚每根引脚都有明确的信号定义比如PRSNT#负责设备插入检测PERST#负责复位SMB_CK/SMB_DAT负责管理总线还有专门的电源、接地和差分数据线。这些引脚里只要有一两个被卡的内部电路拉到了异常电位主板就会认为“这个设备不健康”整个链路就起不来。绝缘胶带的作用就是把金手指上那几根出问题的引脚与插槽物理隔离开。主板侧该引脚的上下拉电阻不再被显卡内部电路影响相当于把显卡的“捣乱引脚”屏蔽掉。这个思路和硬件工程师用飞线跳过坏信号通道是一样的逻辑只是我们做得更粗暴一些。必须强调的是屏蔽只能贴“信号引脚”或者“管理引脚”不能把供电引脚也贴了。12V、3.3V这些供电引脚一旦被隔断显卡直接没电那就不是黑屏而是彻底断电了。3. 手把手实操绝缘胶带屏蔽金手指的正确姿势3.1 材料准备不是所有胶带都能用工具其实很少一卷绝缘胶带电工胶带或特氟龙胶带都行、一把镊子、一块橡皮擦外加一个螺丝刀。这里有几个容易踩的坑不能用铝箔胶带、导电铜箔胶带它们是导电的贴上去等于直接把金手指短路轻则主板报警重则烧东西。透明胶带太薄拉扯后容易变形持久性差不推荐。特氟龙胶带最推荐耐高温、绝缘强度高、撕下来不留残胶缺点是价格略贵一点。电工胶带也可以用但绝缘层较厚剪裁时要剪细一点否则会盖住太多触点。另外强烈建议先用橡皮擦把金手指整体擦一遍。很多矿卡点不亮不是信号问题单纯是金手指氧化导致接触电阻变大。擦完会看到橡皮屑变黑那是氧化层和被磨损的镀层碎屑。这一步经常能直接解决问题比贴胶带还管用。3.2 逐步测试流程贴错位置就撕了再来我的实测过程是这样的先把卡不贴任何胶带直接插上记录失败现象开机卡VGA灯。然后关机断电按下面的顺序逐个试贴住挡板端最外侧的第1根触点。贴住挡板端最外侧的第1根和第2根触点。贴住缺口端紧挨着缺口位置的第1根触点。贴住缺口端紧挨着缺口位置的第2根触点。组合贴挡板端最外侧第1根 缺口端第2根。每次只改动胶带位置重新开机观察Debug灯是否从VGA灯跳过去。这个方法本质上是一个“二分法试错”先定位高概率区域再细分到具体哪一根。我手上这张P104最终是贴了“挡板端最外侧第2根”和“缺口端紧挨缺口的第2根”两个位置才被主板稳定识别。网上还有人反馈只要贴挡板端一根就解决这说明不同来源批次、不同矿BIOS版本的卡真正出问题的引脚并不完全一样。所以不要指望“抄作业”一步到位要理解原理再自己测。测试中有个判断技巧如果贴完胶带后插上发现主板连供电自检都过不了多半是把12V供电引脚或者关键接地引脚贴掉了撕下来重新换区域。正常情况下供电引脚的位置在金手指靠近缺口的一端遮住那里基本必翻车。3.3 别忘了PCIe插槽供电只有75W屏蔽问题解决之后还有一个常见坑不插外接供电显卡满载直接黑屏关机。PCIe插槽规范上限就是75WP104官方TDP约140W跑深度学习时瞬时功耗会更高6-pin外接供电必须插好。电源选择也有讲究。150块的矿卡可以省钱电源不能省。额定400W以上、12V输出充裕的电源是底线杂牌电源波纹大矿卡长期满载很容易把电容和供电模块搞出问题。我用的是一颗额定500W的铜牌电源整机包括CPU、主板、P104、亮机卡实测满载压力稳定。4. 装驱动、跑PyTorch让P104干回老本行4.1 系统选哪个Windows还是UbuntuP104在Windows下不是不能用但非常折腾。设备管理器里经常是黄色感叹号要么是代码43要么是驱动装完但显示设备已停用。原因是NVIDIA对这类矿卡驱动做了限制普通Game Ready驱动不一定包含P104的设备ID或者即使包含也会因为缺少显卡输出逻辑而报错。相比之下Ubuntu下的驱动安装反而丝滑很多这也是我最终选择Ubuntu 22.04 LTS的原因。如果你只是打算拿P104当计算卡强烈建议直接上Ubuntu省掉Windows那堆破事。系统装好后BIOS里要把首选显示输出设置为核显或者另一张亮机卡不能让P104去抢显示输出它没这个能力抢了只会黑屏。4.2 驱动安装先从设备ID开始查装驱动前先开机进系统用lspci确认P104的PCI设备IDlspci -nn | grep -i NVIDIA我手上这张显示出来的内容大概是01:00.0 VGA compatible controller [0300]: NVIDIA Corporation GP104 [P104-100] [10de:1c08]这个10de:1c08就是关键。NVIDIA驱动安装包里的inf文件会列出所有支持的设备ID如果官方驱动没有包含P104就需要自己把这一行加进去。老玩家把这种方式叫做“改inf装驱动法”本质就是告诉系统“这个设备可以使用这份驱动”。在Ubuntu下我的操作路径是这样的sudo apt update sudo apt install -y gcc make dkms然后去NVIDIA官网下载支持Data Center或计算负载的Linux驱动放到本地目录按下述命令安装。P104没有视频输出所以建议加--no-opengl-files避免驱动安装时去覆盖系统OpenGL库导致亮机卡也出问题sudo sh NVIDIA-Linux-x86_64-*.run --no-opengl-files安装完成后重启运行nvidia-smi。如果能看到类似下面的输出驱动就正常了----------------------------------------------------------------------------- | NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 | |--------------------------------------------------------------------------- | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | 0 P104-100 On | 00000000:01:00.0 Off | N/A | -------------------------------------------------------------------------看到“P104-100”出现在GPU列表里还会显示8GB显存那一刻是真的松了一口气。4.3 检查PCIe通道跑在什么状态驱动装好后再确认一次PCIe链路状态。用lspci查看当前显卡所在总线上的链路协商结果sudo lspci -vv -s 01:00.0 | grep -E LnkCap|LnkSta输出里“LnkSta”会显示当前协商速率和宽度。P104本身只支持PCIe 3.0所以即使主板是PCIe 4.0或者5.0也会协商到8GT/s即PCIe 3.0。如果看到“Width x16”说明链路是完整的如果变成“Width x1”或者“Width x4”就要小心是不是胶带贴多了把某些高速数据引脚一起屏蔽掉了。这个知识点顺带回答了一个高频问题如何在Ubuntu下查看PCIe是4.0还是5.0。跑lspci -vv看LnkCap就行LnkCap表示设备和插槽最高支持的能力LnkSta表示当前实际协商的结果。4.4 用PyTorch跑个MNIST验证计算没虚驱动通了就可以装深度学习环境了。Python环境我用的是uv或者直接pip装PyTorch时注意选择CUDA 11.8/12.1版本pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118装完先跑个两行的探路脚本确认线程能照到显卡import torch print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))输出True和P104-100说明CUDA已经可用。之后我用了一个简单的CNN在MNIST上跑了10个epoch网络很小显存占用不到2GB单epoch大概十几秒。这个速度当然比不上RTX 4090但用来学习、调通训练流程、跑实验代码是绰绰有余了。5. 遇到的故障和避坑笔记5.1 常见问题速查表现象可能原因处理方式开机卡VGA灯风扇不转金手指屏蔽位置不对或没有屏蔽重新按3.2的流程测试胶带位置开机后风扇狂转屏幕无信号矿BIOS温控策略异常nvidia-smi里锁频降低核心频率Windows下设备管理器报错误43驱动不识别P104设备ID用DDU清驱动后改inf重装或改用Ubuntu能看到卡但始终是x1链路速度胶带贴得太多遮住了数据引脚只保留最小屏蔽引脚组合nvidia-smi里没有这张卡PCIe枚举失败卡没被系统识别关机重插换一个PCIe插槽再试跑算例时突然黑屏重启外接6-pin供电没插或电源余量不足检查供电线更换额定功率更高的电源金手指区域有明显氧化痕迹镀层磨损、接触电阻偏高用橡皮擦清洁金手指再贴胶带这张表基本覆盖了P104矿卡最常见的故障点。其中“x1链路速度”这个问题特别容易被忽略因为卡能亮、nvidia-smi也能看到显存大小很多人就不去细查PCIe宽度直到跑数据加载的时候发现速度和CPU差不多才意识到带宽被卡死了。5.2 两个非常容易翻车的细节第一个细节不要试图用导电的东西去屏蔽引脚。我见过有人用铝箔胶带贴金手指理由是铝箔“更能挡信号”结果一开机主板直接短路保护。绝缘胶带之所以叫绝缘胶带是因为它的任务就是隔断电气连接。铝箔是导体贴上去等于把那根引脚直接接到金手指旁边的地线上信号不乱才怪。第二个细节金手指上的触点排列并不全是数据信号。有部分引脚是预留的、当前协议没用到还有很多是电源和地。如果你贴的位置不对把一组12V供电引脚遮住显卡只会彻底断电连故障现象都观察不到。这时候不要继续扩大屏蔽范围先还原成不贴的状态重新观察。5.3 对“P104跑大模型”的预期要冷静网上经常有人问“P104能跑大模型写代码吗”。直接点说8GB显存跑不了正经的大语言模型7B参数模型即使压到4-bit显存勉强放得下访问速度也惨不忍睹因为Pascal架构没有Tensor CoreINT4推理优化非常有限。P104更适合的是视觉类深度学习图像分类、目标检测、分割、自编码器、GAN小图生成以及各种教学性质的实验。如果你想跑的是“深度学习入门”“动手深度学习”这类课程里的标准实验P104完全够。MNIST、CIFAR-10、Fashion-MNIST乃至YOLOv5s训练它都能扛下来。玩大模型还是老实考虑云GPU更划算150块的矿卡不是万能钥匙。6. 一张矿卡能跑什么选卡和多卡扩展示意6.1 任务可行性对照深度学习任务类型用P104能不能跑体感如何MNIST/CIFAR-10图像分类训练能很快适合入门小型目标检测YOLOv5s训练能显存够训练慢但可接受语义分割小数据集能8GB显存勉强够强化学习Atari等能没问题Agent环境不占显存HuggingFace小模型微调BERT-base等能显存刚好注意batch size7B大语言模型推理勉强慢到怀疑人生大语言模型训练/微调不能显存不够别折腾这个表是我实际体验下来得出来的。P104在视觉模型上的性价比高到离谱在生成式大模型上则是完全的短板。买之前想清楚自己要干什么能省掉后面一大半折腾。6.2 用几张P104组本地AI现实吗热词里有“用几张矿卡P104组本地AI吗”答案是可行但代价比想象中大。三张P104拼在一起显存确实有24GB看着很美但Pascal架构没有NVLink多卡通信只能走PCIe总线并行训练里的梯度同步开销很高速度提升很难线性。与之配套的电源、机箱散热、主板PCIe通道分配每一项都是额外的钱和精力。如果只是做推理可以把不同任务分到不同卡上互不干扰这是性价比比较高的玩法。如果是训练两张卡做数据并行总比单卡强但提升幅度通常在1.3到1.7倍之间远低于理想状态下的2倍。我的建议是新手先老老实实用一张P104跑通流程等真正遇到显存瓶颈再考虑多卡。这个折腾过程教会我的其实比深度学习课程更直接。为了搞清楚胶带应该贴哪里我把PCIe的PRSNT#、PERST#和LTSSM状态机翻了个遍为了给P104装上驱动我硬着头皮把inf文件一排一排看完。这些原本看起来“用不上”的底层知识在调一张矿卡时全被激活了。如果你也打算接手一张P104记得备好特氟龙胶带、一张亮机卡以及一个愿意反复重启的好心态。矿渣不丢人用它把第一次GPU训练跑起来比买一张新卡香多了。