该文章探讨了利用退役的NVIDIA企业级GPU（如K80、P100、V100）进行现代工作负载测试的可行性，指出这些显卡价格低廉且拥有大容量显存，适合用于搭建低成本、高密度的家庭实验室GPU节点。

好的，这是根据您的要求，对原文进行中文重述和精简后的版本：

标题：用现代工作负载对15款“电子垃圾”GPU进行基准测试

核心内容：

本文探讨了将已停产的NVIDIA企业级GPU（如K80、P100、V100等）用于现代计算任务的可行性。这些GPU价格低廉（例如，24GB显存的K80仅售60美元），但存在缺乏软件更新和能效较低的问题。作者认为，对于家庭实验室（homelab）场景，这些缺点可以通过使用旧版软件和按需开机来规避。

基准测试内容：

作者开发了一套开源的基准测试工具，用于评估这些GPU在多种现代工作负载下的性能，包括：

• 计算机视觉： 训练和推理ResNet50模型。
• 3D渲染： 使用Blender进行GPU和CPU渲染。
• 视觉Transformer： 图像分析和注意力图生成。
• 大语言模型（LLM）： 使用llama.cpp运行Qwen2.5、Llama 3和Qwen1.5 MoE模型，测试提示处理和文本生成速度。
• 科学计算： 分子动力学模拟（Folding@Home）。
• 密码学： SHA-256哈希计算。
• 语音识别： 使用Whisper模型进行语音转文字。
• AI基础设施： 数据从存储加载到GPU内存的吞吐量。

测试硬件：

• GPU： K80, M10, M40, M60, P40, P100, V100, T40
• CPU： E5-2687W (12核), E5-1680 (8核)
• 主板： Asus X99-WS (单路), Supermicro X10DRG-Q (双路)

主要发现：

1. GPU代际对比： V100-16GB的性能与更昂贵、更新的T40相当，是性价比很高的选择。P40在LLM任务上优于P100。M60在语音转录（Whisper）任务上表现出色。
2. GPU扩展性： 在4U机箱内增加GPU数量，多数测试的性能呈线性增长，没有出现明显的收益递减，这对家庭实验室用户是好消息。但LLM的吞吐量并未随GPU增加而提升，作者推测是llama.cpp配置问题。
3. GPU混合： 将高性能GPU（V100）与多块旧GPU（P100）混合使用时，在LLM任务中，V100的性能会被旧GPU拖累。但在其他任务中，GPU数量越多越好。
4. CPU对比： 更快的单核CPU性能通常能带来更好的测试分数，尤其是在Whisper和视觉Transformer任务中。核心数量多但单核性能弱的CPU在这些任务中表现不佳。
5. 主板对比： 两款工作站级主板（X99-WS和X10DRG-Q）在性能上没有显著差异。

结论与下一步：

作者计划基于测试结果，为他的家庭实验室构建一个低成本的4U GPU节点。他最终选择的配置是：V100 GPU、E5-1680 8核CPU和Asus X99-WS主板，该配置理论上可支持3块V100和一张万兆网卡。作者表示将继续完善测试，并欢迎读者提供反馈。

以下是对评论内容的总结，涵盖主要观点、论据及不同视角的平衡性，并保留了关键引用（中英文）。

1. 旧GPU在AI推理中的性价比优势

• 主要观点：旧款GPU（如Tesla P4、Radeon Pro V620）能以较低成本提供可观的AI推理性能，适合预算有限的用户。
• 论据：用户分享实际配置（如6x P4s + Xeon E5），在20-30B模型上达到7-12 t/s的推理速度，但提示加载较慢。另一用户使用Radeon Pro V620（32GB）运行Gemma 4 31b，实现30+ t/s。
• 关键引用：
  • "The results showed that these GPUs can still deliver significant compute power at a fraction of the cost of newer models..." (jkonline)
  • "I have 6x P4s... gives me a virtual 48GB GPU... typically see scores of at least 7-12t/s on 20-30B Q4KM size dense models." (SillyUsername)

2. 硬件兼容性与维护挑战

• 主要观点：旧GPU存在驱动支持、散热和功耗问题，可能不适合长期稳定使用。
• 论据：用户指出K80因热循环导致故障；旧GPU驱动可能不再维护，且需定制散热方案（如Radeon Pro V620需风扇罩）。同时，低VRAM（<16GB）的GPU对AI模型实验室用处有限。
• 关键引用：
  • "A few years ago we got rid of a bunch of K80s... they had gotten glitchy as hell... from the many heat/cool cycles." (SoftTalker)
  • "Old GPU use mystery binary BLOB drivers no longer maintained on modern kernels... the key takeaway concept here is 'might'." (Joel_Mckay)

3. 不同应用场景的权衡

• 主要观点：GPU选择取决于具体任务（如AI推理、媒体渲染、游戏），VRAM和现代编解码支持是关键因素。
• 论据：用户强调，对于媒体渲染（如DaVinci Resolve），现代Intel芯片的h265 HDR硬件支持更优；而旧GPU缺乏现代编解码器。另一用户遗憾文章未提及PC游戏，反映GPU用途的多样性。
• 关键引用：
  • "Legacy GPU don't support modern codecs, but modern Intel chips have h265 HDR hardware support." (Joel_Mckay)
  • "I can’t help but feel an extra twinge of disappointment that there’s no mention of PC gaming anywhere in a post about GPUs." (namuol)

4. 特定型号与配置建议

• 主要观点：用户推荐具体旧款GPU（如V100 16GB、bc-250/PS5芯片）或替代方案（如Intel ARC B70），并分享扩展方案（如Octominer矿机）。
• 论据：V100 16GB被认为比P100更划算（$250）；bc-250（约$200）因低功耗和推理用途受青睐。用户也建议直接购买新卡（如Radeon AI Pro R9700）以避免兼容性问题。
• 关键引用：
  • "I considered the P100s but I think the V100 16GBs are a better deal at $250." (roger_)
  • "I was hoping to see bc-250's (aka PS5 chips)... they are only about $200 on ebay... finding a purpose now and not just e-waste." (latchkey)

5. 性能测试与扩展性探讨

• 主要观点：用户对多GPU堆叠（如16x32GB VRAM）和特定模型（如Deepseek-v4-flash、Qwen3.6 27B）的性能感兴趣，但指出旧卡提示加载慢。
• 论据：用户询问堆叠多GPU运行MoE模型的可能性；另一用户测试Qwen 3.6 27B在旧卡上速度尚可。同时，文章因图片过大（~7MB）被批评影响加载。
• 关键引用：
  • "Would it possible to stack up to 16x32GB VRAM, and test the performance of a MOE model such as Deepseek-v4-flash?" (rrhjm53270)
  • "This site does not like being on the front page of HN. ~7MB for pictures of graphs that probably should have html or svg." (nbf_1995)

总结

评论整体认可旧GPU在AI推理中的性价比，但强调需权衡驱动支持、散热和具体应用场景。用户对特定型号（如V100、P4、bc-250）和扩展方案（如矿机）有深入讨论，同时指出低VRAM和现代编解码缺失的局限性。不同观点平衡了成本优势与维护风险，并呼吁关注更广泛的用途（如游戏、媒体渲染）。