RTX 4080 打游戏绰绰有余，但它的 16GB 显存跑大语言模型就捉襟见肘了。据 Wccftech 7 月 26 日报道，一位名叫 Tymscar 的硬件玩家想出了一个便宜的解法：把英伟达退役的数据中心显卡 Tesla V100 塞进自己的游戏电脑，总共只花了约 200 英镑（约合 266 美元）。

100 美元一张的”老将”，宝刀未老

Tesla V100 是英伟达多年前的数据中心加速卡，如今在 eBay 上单张只要 100 美元左右。别看便宜，这张 16GB HBM2 显存的老卡拥有 5120 个 CUDA 核心和 4096-bit 位宽，显存带宽高达 900GB/s——放到今天跑 AI 推理，依然有可观的余力。

不过想把它装进普通台式机，远不是”即插即用”。V100 采用的是服务器专用的 SXM2 接口，没有 PCIe 插槽、没有视频输出、也没有 PCIe 供电接口，Tymscar 必须额外购买一块 SXM2 转 PCIe 的转接板才能装上主板。

最大的坎不是接口，是噪音

装好之后，新问题来了：给 V100 配的均热板式散热器风扇全速运转时噪音高达 82 分贝——这个响度足以让任何人坐立难安。

Tymscar 的解决方式颇有动手党风范：用一节 9V 电池配合 PWM 跳线小改了一下风扇调速，把转速压到原最大转速的 10%，噪音问题就此解决。至此，他的游戏电脑拥有了 RTX 4080 + V100 共 32GB 的可用显存。

32GB 显存能干什么：27B 模型每秒 32 个 token

没有任何游戏需要 32GB 显存（除非你想用 16K 分辨率玩新作），所以这套配置的真正用武之地是本地大模型。

Tymscar 实际运行的是 Qwen3.6-27B-MTP 模型（Q5_K_M 量化版本，体积 19GB），在 128K token 上下文的设置下，生成速度达到每秒 32 个 token，提示词处理速度在每秒 133 到 160 个 token 之间——对于一套花费不到 300 美元的扩展方案来说，这个表现相当能打。

对想在家跑中小规模 AI 模型的玩家来说，这条路线的吸引力显而易见：不用联网、不付订阅费，捡一张上一代数据中心显卡，就能让本地大模型真正跑起来。当然，代价是折腾转接板、散热和噪音——这本来就是属于动手党的乐趣。

来源：Wccftech