<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
        <title>DGX Spark on Mitsea Blog</title>
        <link>https://blog.mitsea.com/tags/dgx-spark/</link>
        <description>Recent content in DGX Spark on Mitsea Blog</description>
        <generator>Hugo -- gohugo.io</generator>
        <language>zh-cn</language>
        <lastBuildDate>Fri, 20 Nov 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://blog.mitsea.com/tags/dgx-spark/index.xml" rel="self" type="application/rss+xml" /><item>
            <title>DGX Spark 推理掉电排查：功耗异常与锁频解决</title>
            <link>https://blog.mitsea.com/41e779ab646881d8ad9dd34fc9209c65/</link>
            <pubDate>Fri, 20 Nov 2026 00:00:00 +0000</pubDate>
            <guid>https://blog.mitsea.com/41e779ab646881d8ad9dd34fc9209c65/</guid>
            <description>&lt;img src=&#34;https://assets.flinty.moe/blog/posts/2026/11/DGX%20Spark%20%E6%8E%A8%E7%90%86%E6%8E%89%E7%94%B5%E6%8E%92%E6%9F%A5%EF%BC%9A%E5%8A%9F%E8%80%97%E5%BC%82%E5%B8%B8%E4%B8%8E%E9%94%81%E9%A2%91%E8%A7%A3%E5%86%B3/greg-towns-qdRjXN1JxQo-unsplash.jpg&#34; alt=&#34;Featured image of post DGX Spark 推理掉电排查：功耗异常与锁频解决&#34; /&gt;&lt;p&gt;手上有两台一模一样的 DGX Spark——具体来说是 HP 的贴牌版 ZGX Nano G1n（NVIDIA GB10，128 GB 统一内存）。这两天把它们用 QSFP 直连组了个双机环境，拿来跑本地大模型推理，实际用的测试工况是 TensorFold（TP=2）部署 EXL3 2.9bpw 量化版的 DeepSeek-V4.1-Flash。&lt;/p&gt;&#xA;&lt;p&gt;部署本身没遇到什么大波折，服务顺利拉起来了，速度也符合预期（写代码 100 tok/s 出头，中文 64 tok/s 左右）。但真开始干活以后，怪事来了：只要连续来几轮请求，其中一台机器（下面叫 &lt;code&gt;spark0&lt;/code&gt;）就会毫无征兆地&lt;strong&gt;整机断电&lt;/strong&gt;——三个网口瞬间失联，整机彻底断电，必须人走过去按开机键，就像被人直接拔了电源线一样。&lt;/p&gt;&#xA;&lt;p&gt;而旁边配置、系统、固件完全一样的另一台 &lt;code&gt;spark1&lt;/code&gt;，什么事都没有。&lt;/p&gt;&#xA;&lt;p&gt;排查了一整天，最后挖出来的问题其实和模型本身没什么关系，反倒是把 DGX Spark 这类紧凑型桌面 AI 机器在硬件个体差异、供电余量和默认加速策略上的隐患暴露了个底朝天。这里把排查过程和最后的无损规避方案记下来，给同样在用 DGX Spark（或者各家 GB10 贴牌机）的朋友做个参考。&lt;/p&gt;&#xA;&lt;h2 id=&#34;常规嫌疑全部排除不是内存不是过热也不是固件&#34;&gt;常规嫌疑全部排除：不是内存，不是过热，也不是固件&#xA;&lt;/h2&gt;&lt;p&gt;遇到这种突然掉电，第一反应自然是先往最常见的方向查。&lt;/p&gt;&#xA;&lt;p&gt;最先怀疑的是&lt;strong&gt;统一内存耗尽卡死&lt;/strong&gt;。GB10 是 128 GB 统一内存，两台机器装完模型和 KV cache 后，空闲内存确实绷得很紧，只剩 4–5 GiB。为了确认是不是 OOM 把系统拖死了，我专门加了个简单的内存守护脚本，每 0.25 秒读一次 &lt;code&gt;/proc/meminfo&lt;/code&gt; 并立即落盘，可用内存连续两次低于 1.25 GiB 就直接杀掉本机推理容器保命。结果复测时 &lt;code&gt;spark0&lt;/code&gt; 照样断电，翻开落盘日志一看，断电前可用内存稳稳停在 3.6–4.7 GiB，根本没往下掉。后来写单机复现测试时，断电瞬间机器甚至还有 104 GiB 空闲内存——内存彻底洗清嫌疑。&lt;/p&gt;&#xA;&lt;p&gt;排除了内存，剩下的常见原因就是&lt;strong&gt;过热保护&lt;/strong&gt;和&lt;strong&gt;内核崩溃&lt;/strong&gt;。于是把监控改成每 100 毫秒采样一次 GPU 功耗、频率和 SoC 温度，同样逐行实时落盘，确保能抓到断电前最后一刻的状态。拿到的数据反而更让人意外：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;温度很低&lt;/strong&gt;：几次断电时，SoC 温度只有 53–67 °C，离 104.8 °C 的强制关机温度差得太远。同一套测试里，&lt;code&gt;spark1&lt;/code&gt; 跑到 86 °C 都完全正常，连降频记录都没有。&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;没有内核崩溃&lt;/strong&gt;：系统配了 &lt;code&gt;kernel.panic=0&lt;/code&gt;，真发生 panic 只会卡死不会掉电；日志里既没有 panic，也没有 NVRM / Xid 报错，固件错误记录表（ACPI BERT）也是空的。&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;软件和固件一模一样&lt;/strong&gt;：两台机器从底到顶核对了一遍——BIOS（&lt;code&gt;5.36_0ACUM028&lt;/code&gt;）、EC（&lt;code&gt;3.5.11&lt;/code&gt;）、UEFI 与 SoC 固件（&lt;code&gt;2.155.14&lt;/code&gt; / &lt;code&gt;0.5.22&lt;/code&gt;）、GPU VBIOS（&lt;code&gt;9A.0B.2D.00.00&lt;/code&gt;）、驱动（&lt;code&gt;580.178.04&lt;/code&gt;）、DGX OS &lt;code&gt;7.6.0&lt;/code&gt;、内核 &lt;code&gt;7.0.0-1025&lt;/code&gt;，甚至连 CX7 网卡、NVMe 固件以及 GPU 的应用时钟（2418 MHz）和最高时钟设置（3003 MHz）都一字不差，LVFS 和 apt 源也都是最新。&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;系统、固件、温度、内存全都没问题，那锅就只能扣在硬件本身了。&lt;/p&gt;&#xA;&lt;h2 id=&#34;剥离业务复现同款机器功耗居然差出-40&#34;&gt;剥离业务复现：同款机器，功耗居然差出 40%&#xA;&lt;/h2&gt;&lt;p&gt;双机推理服务太重，排查效率低，所以我干脆写了单机压测脚本，把推理时的典型负载按从轻到重排成一条梯度：空闲 → decode 6 行（模拟 1 路请求 + 5 个投机解码草稿 token）→ decode 24 行（模拟 4 路并发）→ 2048 token prefill → 模拟突发负载 → 满功耗加满 CPU → 负载阶跃。&lt;/p&gt;&#xA;&lt;p&gt;一跑起来，问题立刻稳定复现：&lt;strong&gt;&lt;code&gt;spark0&lt;/code&gt; 每次都在从 decode 6 行切到 24 行后的 0.1–1.6 秒内准时断电&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;把两台机器在切换前后的监控曲线叠在一起看，一眼就能看出反常的地方：&lt;/p&gt;&#xA;&lt;p&gt;&lt;img alt=&#34;切到 decode 24 行前后两台的 GPU 功耗和 SM 频率（不限频）&#34; loading=&#34;lazy&#34; sizes=&#34;(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px&#34; src=&#34;https://assets.flinty.moe/blog/posts/2026/11/DGX%20Spark%20%E6%8E%A8%E7%90%86%E6%8E%89%E7%94%B5%E6%8E%92%E6%9F%A5%EF%BC%9A%E5%8A%9F%E8%80%97%E5%BC%82%E5%B8%B8%E4%B8%8E%E9%94%81%E9%A2%91%E8%A7%A3%E5%86%B3/spark-power-before-cap.png&#34;&gt;&lt;/p&gt;&#xA;&lt;p&gt;图里横轴是距离切换时刻的秒数，左半段是 decode 6 行，0 秒处切到 decode 24 行（功耗读数来自 NVML，约每 0.5 秒更新一次）。完全相同的固件、驱动和负载，两台同款机器的表现却差了一大截：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;&lt;strong&gt;&lt;code&gt;spark1&lt;/code&gt;&lt;/strong&gt;：decode 6 行时安静地跑在 &lt;strong&gt;~2400 MHz&lt;/strong&gt;、&lt;strong&gt;42 W&lt;/strong&gt; 左右；切到 24 行后涨到 57 W，顺顺利利跑完全部阶段。&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;&lt;code&gt;spark0&lt;/code&gt;&lt;/strong&gt;：同样只是 decode 6 行，GPU 却自己冲到了 &lt;strong&gt;2535–2561 MHz&lt;/strong&gt;，功耗高达 &lt;strong&gt;56–58 W&lt;/strong&gt;——&lt;strong&gt;干完全一样的活，比同款兄弟机多烧了约 40% 的功率&lt;/strong&gt;。等到 0 秒切到 24 行，功耗刚往上抬头（最后一条落盘读数停在 73.2 W），1.4 秒后直接黑屏断电。&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;明明两台机器的时钟配置完全一致，但在默认不限频状态下，&lt;code&gt;spark0&lt;/code&gt; 的 boost 行为明显更激进（或者个体漏电/电压曲线更差，拉高频的功耗代价极高），直接把整机的供电余量吃紧了。&lt;/p&gt;&#xA;&lt;h2 id=&#34;对调电源适配器整机是主因但原配电源也偏弱&#34;&gt;对调电源适配器：整机是主因，但原配电源也偏弱&#xA;&lt;/h2&gt;&lt;p&gt;一上负载就硬断电，另一个绕不开的怀疑对象就是外置电源适配器。于是把 &lt;code&gt;spark0&lt;/code&gt; 原配的 &lt;strong&gt;A 适配器&lt;/strong&gt;和 &lt;code&gt;spark1&lt;/code&gt; 原配的 &lt;strong&gt;B 适配器&lt;/strong&gt;对调了一遍，在同样一套测试下做了交叉验证：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;机器&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;电源适配器&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;测试结果&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;spark1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;B（原配）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;全部通过（GPU 最高约 67 W，SoC 最高 86 °C）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;spark0&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;A（原配）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;切到 decode 24 行后 1.4 秒断电&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;spark0&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;B（换上好电源）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;照样在切到 decode 24 行后 0.1 秒断电&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;spark1&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;A（spark0 原配）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;扛过了 decode，但在最重的满功耗 + 满 CPU 后的第一次负载切换时断电&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;这个 2×2 的交叉结果挺让人意外的：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;strong&gt;&lt;code&gt;spark0&lt;/code&gt; 整机本身有问题&lt;/strong&gt;。哪怕给它换上在 &lt;code&gt;spark1&lt;/code&gt; 上完全正常的 B 适配器，它照样在并不算极限的 decode 24 行阶段秒断（甚至 0.1 秒就倒了，断电前最后读数才 58.6 W）。&lt;/li&gt;&#xA;&lt;li&gt;&lt;strong&gt;A 适配器也偏弱&lt;/strong&gt;。把 &lt;code&gt;spark0&lt;/code&gt; 原配电源插到原本正常的 &lt;code&gt;spark1&lt;/code&gt; 上，前面虽然扛住了，但到了最重的满功耗 + 满 CPU 后的负载阶跃，直接把 &lt;code&gt;spark1&lt;/code&gt; 也带断电了。&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;p&gt;买两台同款 DGX Spark，不仅撞上一台体质异常、功耗飙高 40% 的机身，还顺带中了一块偏弱的原配电源，这出厂品控确实有点让人不放心。&lt;/p&gt;&#xA;&lt;h2 id=&#34;90-w-跑满没事60-w-的-exl3-却秒断&#34;&gt;90 W 跑满没事，60 W 的 EXL3 却秒断？&#xA;&lt;/h2&gt;&lt;p&gt;排查到这里，还有一个很反直觉的疑问：断电前记录到的 GPU 功耗不过 58–73 W，远没到 GB10 的功耗上限，为什么这就扛不住了？&lt;/p&gt;&#xA;&lt;p&gt;为了搞清楚到底是什么样的负载能把 &lt;code&gt;spark0&lt;/code&gt; 打死，我又补了两组不依赖真实模型权重的对照测试：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;测试方式&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;依赖&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;spark0（不限频）表现&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;真实权重 EXL3&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;引擎镜像 + 模型文件&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;在 decode 24 行稳定断电（2 次）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;纯 PyTorch 随机矩阵乘法&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;任意 PyTorch 容器&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;strong&gt;全部通过&lt;/strong&gt;，GPU 持续跑在 &lt;strong&gt;89–96 W&lt;/strong&gt;&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;随机权重 EXL3（TensorFold 内核）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;无需模型文件&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;&lt;strong&gt;照样断电&lt;/strong&gt;，甚至只跑 1 层也会在切 24 行后 1.6 秒断电&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;这个对比非常有意思：&lt;strong&gt;纯 PyTorch 大矩阵乘法把 GPU 持续推到 89–96 W，&lt;code&gt;spark0&lt;/code&gt; 一点事都没有；反倒是平均功耗只有 60 W 左右的 EXL3 解码，哪怕只用随机权重跑单层，也能精准触发断电。&lt;/strong&gt;&lt;/p&gt;&#xA;&lt;p&gt;手头没有示波器，没法直接抓供电波形来做实证，但结合这两组截然相反的结果，背后的原因其实不难推断：&lt;/p&gt;&#xA;&lt;p&gt;纯 PyTorch 的大矩阵乘法属于平滑、连续的计算负载，虽然平均功耗高达 90 W+，但电流变化平缓，供电电路和电源都能从容应对。而 EXL3 这类低比特量化解码完全不同——每一步都要密集调度上千个小 kernel，一边用整数运算实时解压 3–6 bit 权重，一边把 Tensor Core 和统一内存带宽同时跑满。这种负载很容易在微秒到毫秒尺度上打出极高的&lt;strong&gt;瞬态电流尖峰&lt;/strong&gt;。&lt;/p&gt;&#xA;&lt;p&gt;问题在于，NVML 约 0.5 秒更新一次、监控脚本 100 毫秒采一次的读数，本质上都是时间窗口里的平均值，早就把这种极短的尖峰平均掉了。表面上看功耗只有 60–70 W，实际上瞬间电流可能已经踩穿了整机 VRM 或电源的过流保护。再叠加 &lt;code&gt;spark0&lt;/code&gt; 默认比 &lt;code&gt;spark1&lt;/code&gt; 跑得更高、平白多耗 40% 功率，供电余量本来就更窄，自然在负载从 6 行跃升到 24 行的瞬间最先撑不住。&lt;/p&gt;&#xA;&lt;p&gt;顺便一提，第三组「随机权重 EXL3」测试很实用——它直接调用 TensorFold 的 EXL3 内核，在显存里现场生成和 2.9bpw 形状位宽一致的随机张量，不用下载几百 GiB 模型文件就能在十几分钟内复现问题。我已经把它打包成了 Docker 测试脚本，回头找售后或者给其他 Spark 用户自测都很方便。&lt;/p&gt;&#xA;&lt;h2 id=&#34;锁频-2200-mhz功耗瞬间拉齐推理速度几乎零损失&#34;&gt;锁频 2200 MHz：功耗瞬间拉齐，推理速度几乎零损失&#xA;&lt;/h2&gt;&lt;p&gt;既然根源绕不开默认 boost 过高带来的 40% 额外功耗和瞬态冲击，在走售后之前，最直接的规避办法就是把 GPU 频率上限压下来。&lt;/p&gt;&#xA;&lt;p&gt;上限选在 &lt;strong&gt;2200 MHz&lt;/strong&gt;，参考了 &lt;a class=&#34;link&#34; href=&#34;https://www.spheron.network/blog/dgx-spark-thermal-throttling-and-power-draw-under-load-2026/&#34;  target=&#34;_blank&#34; rel=&#34;noopener&#34;&#xA;    &gt;Spheron 对 DGX Spark 功耗与降频的测试&lt;/a&gt;：DGX Spark 跑大模型推理时 GPU 频率通常在 2400–2550 MHz 波动，短时突发甚至可以摸到 3003 MHz，但受紧凑机身的散热和功耗墙限制，持续满载一段时间后终究会回落到 &lt;strong&gt;1500–2200 MHz&lt;/strong&gt;。既然持续满载本来也就跑在这个区间，干脆直接用 &lt;code&gt;nvidia-smi&lt;/code&gt; 锁在持续区间的上沿：&lt;/p&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt;1&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-bash&#34; data-lang=&#34;bash&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;sudo nvidia-smi -lgc 0,2200&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;p&gt;锁频之后，两台机器同时跑了一遍完整的 20 层随机权重 EXL3 压测，结果很戏剧性——&lt;strong&gt;不仅两台全部通过，原本差出 40% 的功耗几乎完全拉齐了&lt;/strong&gt;：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;压测阶段&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;spark0 平均 / 峰值&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;spark1 平均 / 峰值&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;decode 6 行&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;33.3 W / 34.2 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;34.0 W / 34.8 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;decode 24 行&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;44.9 W / 45.5 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;45.3 W / 45.7 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;prefill 2048&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;52.0 W / 53.4 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;52.0 W / 52.9 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;模拟突发负载&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;37.3 W / 53.4 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;37.8 W / 52.7 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;prefill + 满 CPU&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;44.0 W / 53.4 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;45.2 W / 53.2 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;满功耗 + 满 CPU&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;57.8 W / 64.3 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;57.7 W / 62.1 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;负载阶跃&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;19.9 W / 35.6 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;20.0 W / 46.0 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;decode 直接切满功耗&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;57.9 W / 81.6 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;57.7 W / 80.9 W&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;同样是 decode 6 行，&lt;code&gt;spark0&lt;/code&gt; 从不限频时的 56–58 W 直接降到了 &lt;strong&gt;33.3 W&lt;/strong&gt;，和 &lt;code&gt;spark1&lt;/code&gt;（34.0 W）几乎一致。连最狠的「decode 直接切满功耗」阶段，两台峰值都冲到 81 W、SoC 最高 85.7–85.8 °C，照样稳稳跑完。&lt;/p&gt;&#xA;&lt;p&gt;最让人关心的性能损失问题，实测下来也&lt;strong&gt;几乎为零&lt;/strong&gt;（甚至略有一点正向波动）：&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;推理场景&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;不限频&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th&gt;锁频 2200 MHz&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;写代码（800 token）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;100.5–102.0 tok/s&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;103.5 tok/s&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;中文短文（158 token）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;63.2 tok/s&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;64.1 tok/s&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;实测最高 SM 频率&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2535–2561 MHz（spark0）&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td&gt;2184 / 2190 MHz&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;原因很简单：大模型 decode 本质上是**内存带宽受限（memory-bound）**的。GB10 的统一内存带宽天花板就摆在那里，GPU 核心盲目往上冲那三四百 MHz，对吐字速度几乎毫无帮助，纯粹是在白白拉高电压、多烧 40% 的电，顺便把供电推向崩溃边缘。&lt;/p&gt;&#xA;&lt;p&gt;锁频之后重新跑回原本的业务场景（Codex 连续 15 轮工具调用，最大 prompt 19.5k token），&lt;code&gt;spark0&lt;/code&gt; 全程再也没有断过电。&lt;/p&gt;&#xA;&lt;p&gt;因为 &lt;code&gt;nvidia-smi -lgc&lt;/code&gt; 重启后会失效，可以顺手配一个 systemd 服务，在 Docker 启动前自动锁频（驱动未就绪时最多重试 2 分钟，停用服务时会自动 &lt;code&gt;nvidia-smi -rgc&lt;/code&gt; 恢复默认）：&lt;/p&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt; 1&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 2&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 3&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 4&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 5&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 6&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 7&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 8&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt; 9&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;10&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;11&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;12&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;13&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;14&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-gdscript3&#34; data-lang=&#34;gdscript3&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;c1&#34;&gt;# /etc/systemd/system/gpu-clock-cap.service&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;[&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Unit&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;]&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;Description&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Cap&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;the&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;GB10&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;GPU&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;clock&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;at&lt;/span&gt; &lt;span class=&#34;mi&#34;&gt;2200&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;MHz&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;After&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;systemd&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;modules&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;nb&#34;&gt;load&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;service&lt;/span&gt; &lt;span class=&#34;n&#34;&gt;nvidia&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;persistenced&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;service&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;Before&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;docker&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;service&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;[&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Service&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;]&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;Type&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;oneshot&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;RemainAfterExit&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;yes&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;ExecStart&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=/&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;bin&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;sh&lt;/span&gt; &lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;c&lt;/span&gt; &lt;span class=&#34;s2&#34;&gt;&amp;#34;for i in $(seq 1 60); do /usr/bin/nvidia-smi -lgc 0,2200 &amp;amp;&amp;amp; exit 0; sleep 2; done; exit 1&amp;#34;&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;ExecStop&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=/&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;usr&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;bin&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;/&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;nvidia&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;smi&lt;/span&gt; &lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;rgc&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;p&#34;&gt;[&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;Install&lt;/span&gt;&lt;span class=&#34;p&#34;&gt;]&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;&lt;span class=&#34;n&#34;&gt;WantedBy&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;multi&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;-&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;user&lt;/span&gt;&lt;span class=&#34;o&#34;&gt;.&lt;/span&gt;&lt;span class=&#34;n&#34;&gt;target&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;p&gt;启用并确认生效：&lt;/p&gt;&#xA;&lt;div class=&#34;highlight&#34;&gt;&lt;div class=&#34;chroma&#34;&gt;&#xA;&lt;table class=&#34;lntable&#34;&gt;&lt;tr&gt;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code&gt;&lt;span class=&#34;lnt&#34;&gt;1&#xA;&lt;/span&gt;&lt;span class=&#34;lnt&#34;&gt;2&#xA;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&#xA;&lt;td class=&#34;lntd&#34;&gt;&#xA;&lt;pre tabindex=&#34;0&#34; class=&#34;chroma&#34;&gt;&lt;code class=&#34;language-bash&#34; data-lang=&#34;bash&#34;&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;sudo systemctl &lt;span class=&#34;nb&#34;&gt;enable&lt;/span&gt; --now gpu-clock-cap.service&#xA;&lt;/span&gt;&lt;/span&gt;&lt;span class=&#34;line&#34;&gt;&lt;span class=&#34;cl&#34;&gt;nvidia-smi --query-gpu&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;clocks.sm --format&lt;span class=&#34;o&#34;&gt;=&lt;/span&gt;csv   &lt;span class=&#34;c1&#34;&gt;# 有负载时应不超过 2200 MHz&lt;/span&gt;&#xA;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;&#xA;&lt;/div&gt;&#xA;&lt;/div&gt;&lt;h2 id=&#34;写在最后&#34;&gt;写在最后&#xA;&lt;/h2&gt;&lt;p&gt;回头看这次折腾，部署 DeepSeek-V4.1-Flash 不过是恰好撞上了枪口，真正暴露出来的是 &lt;strong&gt;DGX Spark（至少在 HP ZGX Nano G1n 这批机器上）的硬件个体一致性和供电余量问题&lt;/strong&gt;：&lt;/p&gt;&#xA;&lt;ul&gt;&#xA;&lt;li&gt;两台固件、系统、时钟配置完全一致的同款机器，默认 boost 策略和同负载功耗竟然能差出 40%；&lt;/li&gt;&#xA;&lt;li&gt;遇到 EXL3 这类小 kernel 密集、瞬态电流波动剧烈的推理负载，哪怕平均功耗远低于标称值，供电依然可能直接触发断电；&lt;/li&gt;&#xA;&lt;li&gt;就连原配外置电源适配器本身，也存在个体偏弱、极限负载下撑不住的情况。&lt;/li&gt;&#xA;&lt;/ul&gt;&#xA;&lt;p&gt;如果你手上也有 DGX Spark 或其他 OEM 版 GB10 设备，主要用来跑本地大模型推理，&lt;strong&gt;直接把 GPU 频率锁在 2200 MHz 是一个几乎零成本的优化&lt;/strong&gt;——decode 性能不掉，功耗和发热能省下一大截，供电安全边际也会宽裕很多。要是你的机器也碰上过“既非 OOM 也非过热，跑着跑着像拔插头一样黑屏”的故障，别光顾着折腾系统和推理引擎，建议直接从整机供电体质和电源适配器下手查起。&lt;/p&gt;&#xA;&lt;p&gt;至于我手头这台 &lt;code&gt;spark0&lt;/code&gt; 和那块偏弱的 A 适配器，对比数据已经够清楚了，准备带着这组测试结果直接找 HP 售后。在换机或修好之前，就先靠 2200 MHz 锁频稳着跑吧。&lt;/p&gt;&#xA;</description>
        </item></channel>
</rss>
