一块原本用于挖矿的 CMP 170HX 8GB 显卡，被改造成了可用 80GB 显存的 A100 80G：实测 FP16 算力为 85.9 TFLOP/s，高于零售版 A100 的 72.5。这个结果证明，大显存 AI 硬件不只有英伟达官方一条供给路径，但改造成本和报废风险远非普通采购所能接受。

这是什么

Kate 通过电压故障注入绕过 CMP 170HX 板卡上的熔断锁定，启用原本被屏蔽的计算单元和显存，再恢复 NVLink、PCIe Gen4 等接口。其目标是让矿卡承担大模型推理：完整 80GB 显存可以减少模型切分和跨卡通信，64GB 版本则用于测试。

这不是简单刷写程序。改装需要改板线路、制作定制 STM32 故障注入器，每张卡连续操作 1 至 48 小时，而且十张卡中只有一张保持完整 64GB，其余存在显存损坏。作者本人也将它定位为技术实验，而非稳定产品。

行业怎么看

我们认为，这项改动的真正价值在于两点。第一，同型号矿卡可能隐藏着大量未启用的高带宽内存（HBM，AI 芯片与内存之间的高速数据通道）；第二，推理市场对显存容量高度敏感，能够装载更大模型的二手硬件因此获得新用途。

但风险必须放在同等位置：频繁实施电压故障可能永久损伤显存或整卡，测试结果也不代表批量生产时的一致性、散热、功耗和长期稳定性。更现实的限制是，英伟达软件生态和售后体系并未因此消失。愿意为实验性硬件承担停机和资产报废风险，不代表采购部门能够据此重做算力计划。

因此，短期更像是由发烧友推动的存量硬件再利用案例；只有在改装流程能够标准化、坏卡率和性能波动被证明可控后，才可能影响二手 AI 加速卡市场。

对普通人的影响

对企业 IT：预算有限、推理需求确定的企业，可把改装矿卡列入小规模验证名单，但应先评估散热、供电、故障率与软件兼容性，不宜直接替代主流服务器。

对个人职场：它提醒技术团队关注“硬件性能表”之外的实际瓶颈。大模型落地的成本，有时首先由显存容量和通信效率决定，而不只是芯片算力。

对消费市场：这款显卡不会很快成为普通玩家的升级选项。更可能的影响是，随着二手大显存算力供给增加，面向本地模型推理的租赁价格和硬件选择受到扰动。