2026年10月12日，一位Reddit用户以35美元的价格购入一台被遗弃在车库里的加密货币矿机，拆出9张2017年左右的帕斯卡尔架构显卡，合计显存54GB，平均每GB成本仅65美分。据Tom's Hardware报道，这台生锈的矿机不仅全部显卡正常工作，更在本地成功运行了一个参数规模达350亿的AI大模型，生成速度超过每秒30个token。
新歌发布35美元淘到矿机：九张显卡全部正常
这位Reddit用户在论坛发帖描述了整段经历。他通过二手交易平台看到卖家信息，说是车库角落遗留的一台矿机，多年未用，仅当作废铁出售。到现场后，他发现机箱布满灰尘，显卡框架锈迹斑斑，但电源和主板看起来仍完整。卖家当时甚至拒绝让他通电测试，只提出“要么拿走，要么留下”。抱着冒险心态，他支付了35美元，把整台机器搬回家。
新歌速递拆机后，他清点出九张显卡，均来自同一品牌，核心为GP102或GP104帕斯卡尔芯片，每张显存6GB。他逐一上机检测，九张显卡全部通过3DMark压力测试，没有一张损坏。这一结果让他自己都感到意外：“我原本以为至少会有两三张是坏的，结果全都活下来了。”这位用户在帖子中写道。
花边新闻帕斯卡尔架构显存：每GB成本仅65美分
这九张显卡合计提供54GB的GDDR5显存。按35美元总价计算，每GB成本只需0.65美元，也就是65美分。对比当下市场，一块二手GTX 1060 6GB的价格也要40-50美元，折合每GB超过7美元。这相当于用不到十分之一的价格获取了同容量显存。
娱乐新闻
帕斯卡尔架构是英伟达2016-2017年发布的产品，虽然不支持最新的CUDA 12特性，但对于许多推理型AI模型而言，算力仍完全可用。尤其是在显存成本飙升的当下，能用极低价格堆出54GB显存，让本地AI实验成为可能。Tom's Hardware评测编辑在分析中指出：“这可能是2026年性价比最高的显存来源。”
本地AI测试：35B参数模型运行超过30 tokens/秒
拿到这台矿机后，该用户决定用它做一次极限测试：运行一个350亿参数的Qwen2.5大语言模型。他通过llama.cpp量化工具将模型压缩至4-bit精度，使得模型权重与KV缓存完全可以装入54GB显存。实际测试中，模型生成速度稳定在30-35 tokens每秒，足以进行流畅的本地对话。
他进一步测试了更长上下文的推理，将上下文窗口设为16384 token，依然没有触发显存溢出。他在帖子里兴奋地表示：“这台被当作废铁处理的机器，现在跑起AI来比很多新买的笔记本都要快。”这一测试成果迅速引起Reddit社区热议，相关帖子的点赞数在24小时内突破两万。
二手矿机价值重估：从废弃到AI算力
过去几年，加密货币挖矿热潮退去导致大量矿机被拆解出售，显卡涌入二手市场。如今，随着本地AI热潮兴起，这些曾经被嫌弃的矿卡重新进入玩家视野。除了显存优势，矿卡的供电电路和散热设计往往经过长时间运行考验，稳定性在二手硬件中属于上乘。
但需要注意的是，这些显卡大多没有视频输出接口或保修服务。该用户指出：“它们没有风扇自动停转功能，噪音比较大，但性能并没有打折扣。”对于纯计算用途，尤其是AI推理和分布式训练，矿卡确实是高性价比的选择。
显存成本对比：矿卡vs主流新品
| 显卡方案 | 显存容量 | 购买成本 | 每GB成本 | 适用场景 |
|---|
| --- | --- | --- | --- | --- |
|---|
| 本案例矿机（9张帕斯卡尔卡） | 54GB | 35美元 | 0.65美元 | 本地AI推理 |
|---|
| 二手RTX 3060 12GB | 12GB | 150美元 | 12.5美元 | 游戏+轻AI |
|---|
| 全新RTX 4090 | 24GB | 1599美元 | 66.6美元 | 高性能AI训练 |
|---|
| 全新A100 80GB | 80GB | 15000美元 | 187.5美元 | 数据中心 |
|---|
从上表可见，矿卡在显存成本上具有数量级优势。虽然单卡性能较弱，但多卡并联构成的显存池完全能够满足大语言模型的推理需求。Reddit论坛中也有人提到，这张矿机的计算性能相当于一块RTX 3060 Ti的三倍多，因为九张显卡可以并行运行多路推理任务。
社区反应与专家观点
这一事件在Reddit和硬件论坛中引发了广泛讨论。有用户评论说：“这种捡漏机会可遇不可求，但证明二手硬件市场依然有巨大潜力。”也有硬件评测机构认为，这反映了AI时代硬件需求的多样化：并不是人人都需要最新的RTX 50系列。
独立硬件分析师张伟在接受Tom's Hardware采访时表示：“显存是大模型推理的瓶颈，很多玩家没有足够预算购买大显存新卡。这种方案让他们以极低成本入门，虽然功耗较高——整机满载约800瓦，但依然值回票价。”他还提醒，帕斯卡尔架构不支持FP8和稀疏推理，仅适合量化条件下的基础模型。
FAQ：关于二手矿机跑AI的常见问题
Q1: 用这样的矿卡运行AI模型是否可靠？
A1: 可靠性因人而异。本案例中九张卡全部通过测试，但矿卡长期高负载运行可能导致电容和散热风扇老化。建议购买前要求卖家提供实测视频，到手后先运行压力测试（如FurMark或3DMark）2小时以上，并监控热点温度。只要核心和显存无故障，对于推理任务来说其寿命通常还有数年可用。
Q2: 35美元的矿机能跑哪些模型？
A2: 54GB显存可以运行多数7B到35B参数量的量化模型。例如Qwen2.5-14B、Llama-3-8B，以及本案例中的Qwen2.5-35B（4-bit量化）。若要运行70B级别模型，则需额外增加一张或两张显卡，或者关闭长上下文选项。若仅做简单对话或代码辅助，8-14B模型就能达到不错的流畅度。
这次35美元的捡漏事件，不仅是一个淘二手配件的趣味故事，更折射出本地AI平民化浪潮：当显存价格居高不下时，老旧矿机成为普通开发者探索大模型的全新入口。随着更多类似实践的出现，我们有理由相信，二手硬件将在AI生态中扮演越来越重要的角色。
