Blue江 发表于 2026-09-21 20:57
如果是单颗显存颗粒坏了、或者单颗虚焊/掉点，表现一定是：只有 1 路 FBIO 报错，而且往往集中在其中几个 bit 上，其他分区干干净净（就是上图下半部分那种形态）。
现在所有通道、所有数据位、错误量级一致，属于全局性故障，排查优先级建议这样排：
GPU 核心侧问题（最常见） —— 核心 BGA 虚焊/掉点、核心本体（显存控制器）损坏。核心一坏，所有通道一起废。
显存供电异常 —— MVDD/MVDDQ 电压不足、纹波过大、滤波电容失效、供电 MOS 击穿。供电一崩也是全体报错。
VBIOS 异常 —— 挖矿 BIOS / 刷错的 BIOS 导致显存时序、容量识别不对。
测试环境干扰 —— 电源功率不足、PCIe 转接线/延长卡劣化、MATS 参数（-m 10 只测 10MB）不合适。
建议的下一步
先别急着拆显存。换一台机器、直接插主板（不用转接）、换足功率电源再跑一次完整全量测试，排除环境和转接线因素。
用 nvidia-smi -q 看有没有 Remapped Rows / ECC 错误累加、有没有设备错误码。
检查核心与显存的供电回路（尤其核心背面电容、MVDD 电感纹波）。
若确认是核心问题，一般需要重新植球/加焊核心，而不是换显存颗粒 —— 换颗粒基本白花钱。
一句话：错误位置是"全芯片、全通道、全数据位"，方向指向 GPU 核心或供电，不是某一颗显存。
sony8x 发表于 2026-9-22 08:25
感谢兄弟给我指点迷津
Blue江 发表于 2026-09-21 20:57
如果是单颗显存颗粒坏了、或者单颗虚焊/掉点，表现一定是：只有 1 路 FBIO 报错，而且往往集中在其中几个 bit 上，其他分区干干净净（就是上图下半部分那种形态）。
现在所有通道、所有数据位、错误量级一致，属于全局性故障，排查优先级建议这样排：
GPU 核心侧问题（最常见） —— 核心 BGA 虚焊/掉点、核心本体（显存控制器）损坏。核心一坏，所有通道一起废。
显存供电异常 —— MVDD/MVDDQ 电压不足、纹波过大、滤波电容失效、供电 MOS 击穿。供电一崩也是全体报错。
VBIOS 异常 —— 挖矿 BIOS / 刷错的 BIOS 导致显存时序、容量识别不对。
测试环境干扰 —— 电源功率不足、PCIe 转接线/延长卡劣化、MATS 参数（-m 10 只测 10MB）不合适。
建议的下一步
先别急着拆显存。换一台机器、直接插主板（不用转接）、换足功率电源再跑一次完整全量测试，排除环境和转接线因素。
用 nvidia-smi -q 看有没有 Remapped Rows / ECC 错误累加、有没有设备错误码。
检查核心与显存的供电回路（尤其核心背面电容、MVDD 电感纹波）。
若确认是核心问题，一般需要重新植球/加焊核心，而不是换显存颗粒 —— 换颗粒基本白花钱。
一句话：错误位置是"全芯片、全通道、全数据位"，方向指向 GPU 核心或供电，不是某一颗显存。
| 欢迎光临 ZXCVWtest (https://www.chinafix.com/) | Powered by Discuz! X3.4 |
