RTX 3080 功耗墙 11 档实测：140W 之前免费，130W 开始还债

家里那台双 3080 推理机，闲时风扇 50% 转速嗡嗡响。想让它安静点，结果一路碰壁：nvidia-smi 不支持调风扇，NVML 驱动库里压根没有 nvmlDeviceSetFanSpeed 这个符号——消费级卡的软件风扇控制被 NVIDIA 从驱动层面移除了，CoolerControl、nvidia-settings 这些方案全部依赖它，无一幸免。

软件降噪音这条路死了，退而求其次：功耗墙。功率压下来，温度至少能低几度，电费也能省点。但代价是什么？大模型推理对 GPU 频率敏感，功耗墙压太狠速度会崩。掉多少、从哪一档开始掉，没有现成答案——那就自己测。

测试设计：三个坑先排掉

设备：2 × RTX 3080 20G，llama.cpp server 跑 Qwen3.6-35B-A3B 的 Q4_K_XL 量化（MTP 投机解码开启），模型热加载常驻显存。功耗墙 200W 到 100W，步进 10W，共 11 档；每档同一个问题测 3 次取平均，max_tokens=400。

方法听起来简单，实际先踩了三个坑，不排掉数据全是假的：

坑一：KV cache 让首测虚高 3 倍。 同一个问题重复发，llama.cpp 的 prompt 缓存全命中，第一次测出 163 tok/s，后面同条件只剩 140 出头。结论：同题多次测，第一次的数字直接扔。

坑二：并发任务悄悄偷走 2/3 的速度。 有一轮测出 46 tok/s，查了半天不是功耗墙的锅——是另一个端口的推理任务在同时跑，GPU 被分走了。测试前必须确认两卡利用率归零。

坑三：llama-server 的计时字段不可信。 热缓存下 usage 里的 completion_time 恒为 0，算速度会除零。老老实实用端到端 wall-clock 计时。

另外每档换完功耗墙先发一个 10-token 的小请求把时钟拉起来，不计入成绩——不然冷时钟会让第一轮数据系统性偏低。

数据：一张表和一条曲线

11 档全部测完，每档 3 次的均值如下：

功耗墙	速度 (tok/s)	相对 200W	GPU1 SM 时钟
200W	142.8	基线	1965 MHz
190W	142.8	±0	1965 MHz
180W	146.2	+2%	1980 MHz
170W	143.2	±0	1980 MHz
160W	143.4	±0	1965 MHz
150W	139.3	-2%	1965 MHz
140W	137.1	-4%	1950 MHz
130W	125.7	-12%	1710 MHz ↓
120W	96.8	-32%	1710 MHz
110W	73.0	-49%	1710 MHz
100W	53.2	-63%	1710 MHz

三个区段一眼分明：

• 200W～160W：五档全部落在 ±2% 的噪声带里。这个区间功耗墙形同虚设——推理负载本身吃不满 200W。
• 140W～150W：速度开始轻微下滑，-2% 到 -4%。两卡实际功耗从 340W 降到 280W 左右，换来几乎无感的损失。
• 130W 以下：断崖。130W 这一档，GPU1 的 SM 时钟从 1965 直接锁到 1710 MHz——这不是巧合，是功耗预算低于满载需求后驱动强制降频。再往下每降 10W 速度线性掉一截，100W 时只剩 53 tok/s，腰斩再打八折。

结论

140～150W 是这台机器的无损甜点。 日常固定 150W：速度损失 2%，双卡省电约 60W，温度降 2～3℃。跑重活的时候也不用心疼——推理负载峰值也就 190W，150W 墙只在上长任务时才真正约束得到。

而最初的目标——降噪——实测宣告失败：11 档功耗墙下风扇转速全程钉死 50%。RTX 3080 的风扇曲线要到 45℃ 以下才肯降速，而功耗墙压到 100W 时核心温度还有 52℃。想让这张卡安静，软件已经无解，剩下清灰、换硅脂、加机箱风扇这些物理手段。

这次实测的数据和踩坑记录已经回填到运维技能的参考文档里，下次调功耗墙不用再交学费。

附：复现要点

# 查看当前功耗墙
nvidia-smi --query-gpu=index,power.limit --format=csv,noheader

# 设置（双卡）
sudo nvidia-smi -i 0 -pl 150
sudo nvidia-smi -i 1 -pl 150

# 持久化：systemd oneshot 服务（ExecStart 三行：-pm 1 + 双卡 -pl）

计时口径：端到端 wall-clock；每档预热后测 3 次取均值；测前确认 GPU 利用率归零。