硬件资料 on KnightLi的博客

笔记本 RTX 4060 8GB 适合跑哪些本地 AI 模型

Fri, 08 May 2026 13:38:47 +0800

笔记本 RTX 4060 8GB 可以玩本地 AI，但它的边界很清楚：核心不是“能不能启动”，而是“显存是否溢出”。移动版 RTX 4060 还会受到整机功耗、散热、显存带宽和厂商调校影响，同样是 8GB 显存，不同笔记本的持续性能可能差不少。

在 2026 年的软件环境下，8GB 显存仍然是本地 AI 的入门基准线。只要选择合适的量化模型和工具链，它可以流畅运行 3B-8B 级 LLM、SDXL、SD 1.5、部分 FLUX 量化工作流、Whisper 转写和图像特征提取。反过来，如果强行跑 14B 以上 LLM、未量化大模型或高显存图像工作流，就很容易掉进系统内存，速度会明显崩掉。

一句话建议：笔记本 4060 8GB 不要追求“大而全”，优先选择小模型、量化版和低显存工作流。

先看显存预算

Windows 11 桌面、浏览器、驱动、后台程序会先吃掉一部分显存。实际留给本地 AI 的显存通常不是完整 8GB，而更接近 6.5GB-7.2GB。

因此模型选择要留余量：

LLM：优先 3B-8B，使用 4-bit 量化。
图像生成：优先 SDXL、SD 1.5、FLUX GGUF/NF4 低显存工作流。
多模态：优先 4B 左右的轻量模型。
语音转写：Whisper large-v3 可以跑，但注意批量任务发热。
图像索引：CLIP、ViT 这类特征提取非常适合 4060。

如果显存溢出到系统内存，推理速度可能从“可用”变成“等得烦”。所以宁可选小一点的模型，也不要让显存长期贴边。

LLM：优先 3B-8B 量化模型

本地聊天和文本推理建议使用 Ollama、LM Studio、koboldcpp、llama.cpp 或其他支持 GGUF 的前端。8GB 显存下，最舒服的区间是 4-bit 量化的 3B-8B 模型。

全能轻量：Gemma 4 E4B

Gemma 4 E4B 是 Google 2026 年推出的 Gemma 4 系列小模型之一，定位适合本地和端侧使用。它的优势是模型规模较小，适合 8GB 显存设备承担日常问答、总结、轻量多模态和低成本推理。

在笔记本 RTX 4060 上，建议优先找官方或社区提供的量化版本。不要一开始就追求最高精度权重，先用 4-bit 或适合本地推理的格式确认速度、显存占用和回答质量。

适合任务：

日常问答。
摘要和改写。
轻量资料整理。
简单代码解释。
图像理解类轻任务。

推理与长文本：DeepSeek R1 Distill 7B/8B、Qwen 3 8B

如果你更看重逻辑、数学、复杂分析和长文本处理，可以考虑 DeepSeek R1 distill 系列的 7B/8B 模型，或 Qwen 3 8B 的量化版本。

8B 级模型使用 Q4_K_M 这类 4-bit 量化时，通常能压到 8GB 显存可承受范围内。实际速度会受上下文长度、后端、驱动、笔记本功耗模式影响。经验上，短上下文聊天比较流畅；上下文拉长后，速度和显存压力都会明显上升。

适合任务：

逻辑推理。
数学题。
中文长文本分析。
代码审查草稿。
结构化信息抽取。

不建议一开始就跑 14B、32B 或更大的模型。它们即使能通过 CPU offload 启动，体验也往往不如更小的全 GPU 模型。

代码辅助：Qwen 2.5 Coder 3B/7B

代码场景推荐 Qwen 2.5 Coder 3B 或 7B。3B 版本速度快，适合本地实时补全、函数解释和小范围代码生成；7B 版本理解能力更好，但显存和响应时间更高。

如果你想接到 IDE 插件或本地 agent，3B 版本通常更舒服。对于一次性代码生成、单文件重构、脚本编写，可以再切到 7B 量化版本。

建议：

实时补全：3B。
问答和解释：3B 或 7B。
小型重构：7B 量化。
大型项目架构分析：不要期待 8GB 显存单机完成全部上下文。

图像生成：SDXL 稳，FLUX 要量化

RTX 4060 8GB 跑图像生成完全可用，但要分模型。

SD 1.5 和 SDXL

SD 1.5 对 8GB 显存非常友好，出图速度快，插件生态成熟。SDXL 对显存要求更高，但在 4060 8GB 上仍然属于可用范围。

推荐工具：

ComfyUI
Stable Diffusion WebUI Forge
Fooocus

SD 1.5 适合快速出图、LoRA、ControlNet、老模型生态。SDXL 更适合通用品质和更自然的图像结果。对新手来说，SDXL + Forge 或 ComfyUI 是比较稳的起点。

FLUX.1 schnell

FLUX 的画质和提示词理解更强，但原始模型显存压力大。8GB 显存设备建议使用 GGUF、NF4、FP8 等低显存方案，并搭配 ComfyUI-GGUF 或相应的低显存工作流。

可行策略：

使用 FLUX.1 schnell 的 GGUF Q4/Q5 版本。
降低分辨率或批量大小。
在 ComfyUI 中使用低显存节点或 --lowvram。
不要同时挂太多 LoRA、ControlNet 和高清修复。
每次改工作流后观察显存是否释放。

1024px 出图可以尝试，但不要用桌面 16GB/24GB 显卡的工作流照搬。4060 8GB 能跑 FLUX，不代表每个 FLUX 工作流都适合它。

多模态和效率工具

除了聊天和生图，4060 8GB 也很适合做一些“工具型 AI”任务。

Whisper large-v3

Whisper large-v3 可以用于语音转文字。RTX 4060 处理普通音频通常很快，适合会议录音、课程音频、视频字幕和素材整理。

如果是长音频批量转写，建议注意两点：

开启笔记本性能模式。
保持散热，不要长时间闷在低转速模式。

CLIP / ViT 图像索引

如果你要做照片检索系统，RTX 4060 8GB 很合适。CLIP、ViT、SigLIP 这类图像特征模型对显存要求不算夸张，扫描几千张照片的向量通常很快。

典型流程：

用 CLIP/ViT/SigLIP 提取图片 embedding。
保存到本地向量库或 SQLite。
用文本或图片做相似度检索。
再用小型 LLM 生成标签、描述或相册摘要。

这种工作负载比跑大 LLM 更适合 8GB 显卡，因为它更偏批处理和特征提取，显存压力可控，收益也很明显。

避坑指南

场景	建议
大模型	不要强行跑 14B 以上模型，除非接受明显降速
量化	LLM 优先选 `Q4_K_M`，再按效果尝试 Q5
显存	用任务管理器或 `nvidia-smi` 观察显存占用
散热	跑生图、转写、批处理时开启性能模式
分辨率	图像生成先从 768px 或 1024px 单张开始
浏览器	跑模型时少开占显存的浏览器标签
驱动	保持 NVIDIA 驱动较新，避免旧驱动导致后端异常
工作流	不要直接照搬 16GB/24GB 显卡的 ComfyUI 工作流

如果显存占用长期超过 7.5GB，就要主动降模型、降量化精度、减少上下文、关掉其他程序，或者启用低显存模式。最差的情况不是“跑不起来”，而是跑起来后每一步都在 CPU 和内存之间来回搬数据。

我的建议

笔记本 RTX 4060 8GB 的最佳定位是“高性价比本地 AI 入门平台”。

它适合：

3B-8B 本地 LLM。
代码辅助小模型。
SDXL 和 SD 1.5。
FLUX 量化体验。
Whisper 转写。
图像向量索引。
照片管理和本地资料整理。

它不适合：

长期跑 14B/32B 大模型。
未量化大模型。
高分辨率批量 FLUX 工作流。
大规模视频生成。
多模型同时常驻。

如果你的目标是继续做照片检索系统，4060 8GB 很合适。推荐把 GPU 用在 CLIP/SigLIP 特征提取和小模型标签生成上，再用 SQLite、FAISS 或 LanceDB 做索引。LLM 选择 Gemma 4 E4B、Phi-4 Mini、Qwen 2.5 Coder 3B/7B 这类小模型，整体效率会比硬上大模型更好。

参考资料

AMD ROCm 7.2 + ComfyUI 兼容性配置：Windows 上的 CUDA 平替怎么用

Fri, 08 May 2026 10:09:05 +0800

过去很长一段时间，本地 AI 绘图和视频工具几乎默认围绕 NVIDIA CUDA 展开。Stable Diffusion、ComfyUI、AnimateDiff、视频超分、LLM 推理和各种插件，大多优先适配 CUDA。AMD 显卡虽然显存性价比不错，但在 Windows 上经常要绕 DirectML、ZLUDA、Linux ROCm 或社区补丁，稳定性和教程一致性都不如 NVIDIA。

ROCm 7.2 系列让这个局面有了明显变化。AMD 在 CES 2026 期间发布 Ryzen AI 400 系列，并把 ROCm、Radeon、Ryzen AI 和 Windows AI 工作流放到同一条线上。官方文档显示，ROCm 7.2.1 已经面向 Windows 更新 AMD Radeon 和 Ryzen AI 处理器上的 PyTorch 支持，ComfyUI Desktop 也从 v0.7.0 开始提供官方 AMD ROCm 支持。

这不代表 AMD 已经完全追平 CUDA 生态，但至少说明一件事：在 Windows 上用 AMD 显卡跑 ComfyUI，正在从“折腾型方案”变成“可认真评估的方案”。

ROCm 7.2 系列带来了什么

ROCm 是 AMD 面向 GPU 计算和机器学习的开放软件栈，定位上对应 NVIDIA CUDA。它包括 HIP、编译器、数学库、深度学习库、Profiler、PyTorch 适配和一系列底层组件。

ROCm 7.2 系列对桌面用户最值得关注的变化有三点。

第一，Windows 支持更正式。AMD 的 Radeon/Ryzen ROCm 文档写明，Windows 上的 PyTorch 已经更新到 ROCm 7.2.1，覆盖 AMD Radeon 图形产品和 AMD Ryzen AI 处理器。这对 ComfyUI、Hugging Face Transformers 和本地推理工具很关键，因为大多数上层工具最终都要落到 PyTorch。

第二，硬件支持范围更清楚。官方文档提到，ROCm 7.2.1 支持 Radeon 9000 系列、部分 Radeon 7000 系列，以及 Ryzen AI Max 300、部分 Ryzen AI 400 和部分 Ryzen AI 300 APU。也就是说，不能看到“AMD 显卡”就默认全部支持，具体型号仍要查兼容矩阵。

第三，ComfyUI 有了官方入口。ComfyUI 官方博客在 2026 年 1 月宣布，Windows ComfyUI Desktop 从 v0.7.0 起支持 AMD ROCm。这对普通用户很重要，因为它减少了手动装环境、找 wheel、改启动参数的成本。

对想找 CUDA 平替的人来说，这些变化比单纯跑分更重要。AI 工具能不能长期使用，取决于驱动、框架、模型、插件和前端是否能稳定连起来。

哪些硬件更适合

目前 AMD 路线要分成三类看。

第一类是 Radeon 9000 系列。这是 ROCm 7.2 系列重点覆盖的新一代独显，优先级最高。如果你现在才准备买 AMD 显卡跑本地 AI，优先看这类型号。

第二类是部分 Radeon 7000 系列。它们属于 RDNA 3，已有一定 ROCm 支持基础，但不是所有型号都同等稳定。买之前必须查 AMD 官方兼容矩阵，尤其要确认 Windows、Linux、PyTorch 和目标工具是否同时支持。

第三类是 Ryzen AI APU。Ryzen AI 400 系列和 Ryzen AI Max 300 系列的意义在于把 CPU、GPU、NPU 和共享内存带进轻薄本、小主机和开发设备。它们更适合轻量推理、开发测试、移动办公和小规模 ComfyUI 工作流，不适合和高端独显硬拼大模型吞吐。

如果目标是流畅跑主流 AI 绘图，独显仍然更稳。APU 的优势是集成度和共享内存，适合尝鲜与便携，不适合承担重型视频生成或大批量出图。

Windows 下推荐路线

普通用户在 Windows 上跑 ComfyUI，建议优先使用 ComfyUI Desktop。原因很简单：它是官方支持路径，能减少环境冲突，也更容易跟随上游更新。

大致流程可以这样理解：

确认系统是 Windows 11，并更新 AMD Software: Adrenalin Edition。
确认显卡或 APU 在 AMD ROCm Radeon/Ryzen 兼容矩阵内。
安装 ComfyUI Desktop v0.7.0 或更新版本。
让 ComfyUI Desktop 使用 AMD ROCm 后端。
首次启动后检查控制台里的 PyTorch/ROCm 信息。
先用基础 SDXL 或 Flux 工作流测试，再逐步安装插件。

如果使用手动版 ComfyUI，思路也类似：先装 Python，再装对应 ROCm 7.2 系列的 PyTorch，然后启动 main.py。AMD 官方 ComfyUI 安装文档提醒，运行后要确认终端里显示的是 ROCm 7.2.1 对应的 PyTorch 版本。

低显存设备可以加启动参数：

`1`	`python main.py --lowvram --disable-pinned-memory`

这两个参数不一定提升速度，但能减少部分内存和显存压力。对 8GB、12GB 或共享内存设备，先保证能稳定跑完，比追求单次出图速度更重要。

Linux 仍然更适合重度用户

ROCm 在 Windows 上变得更可用了，但 Linux 仍然是 AMD AI 工作流更成熟的环境。官方文档也显示，Radeon 在 Linux 上支持的框架更完整，包括 PyTorch、TensorFlow、JAX、ONNX、vLLM、Llama.cpp 和部分训练能力。

如果你的需求只是 ComfyUI 出图，Windows 已经值得尝试。
如果你还要跑 vLLM、训练 LoRA、批量视频生成、多卡、Docker、自动化脚本和长期服务，Linux 仍然更合适。

可以按需求选择：

Windows：适合桌面用户、ComfyUI Desktop、轻量绘图、本地尝鲜。
Linux：适合开发者、重度 AI 用户、服务器、批处理和更完整 ROCm 生态。
WSL：适合想留在 Windows 但需要 Linux 工具链的人，不过要确认 ROCDXG、驱动和硬件是否在支持范围内。

不要把 Windows ROCm 当成所有问题的答案。它解决的是入门门槛和桌面体验，重度生产仍要看 Linux 支持。

ComfyUI 插件兼容要谨慎

ComfyUI 的麻烦不只在主程序，而在插件生态。很多节点默认按 CUDA、xFormers、Triton、FlashAttention 或特定 PyTorch 扩展来写。换到 AMD ROCm 后，常见问题包括：

插件调用了 CUDA-only 扩展。
某些加速库没有 ROCm wheel。
自定义节点安装脚本默认检查 NVIDIA 环境。
视频节点依赖的编解码或光流库不支持 AMD。
新模型工作流默认使用 NVIDIA 优化配置。

因此，不建议一开始就把旧的 NVIDIA ComfyUI 整个目录搬过来。更稳的做法是先装干净环境，跑通基础模型，再逐个加插件。

推荐测试顺序：

基础文生图。
图生图。
LoRA。
ControlNet。
放大和高清修复。
AnimateDiff 或视频节点。
Flux、SD3、Wan、HunyuanVideo 等更重模型。

每加一类插件都做一次小测试。哪一步坏了，就能知道问题大概率来自哪个节点或依赖。

AMD 显卡跑 AI 绘图的优势

AMD 路线最大的吸引力是显存和价格。很多用户选择 AMD，不是因为它在 AI 软件生态上已经比 CUDA 更省心，而是因为同价位显存更大，适合本地创作和长时间试验。

大显存对 ComfyUI 很实际：

可以跑更大的 checkpoint。
可以提高分辨率。
可以加载更多 LoRA、ControlNet 和参考图节点。
可以减少低显存模式带来的速度损失。
视频生成和批量出图更不容易爆显存。

如果 ROCm 7.2 系列能让 Windows 上的 PyTorch 和 ComfyUI 稳定跑起来，AMD 显卡就会成为更现实的 CUDA 平替，尤其适合不想上云、又想保留较大本地显存的人。

仍然要接受的限制

AMD 路线现在能用，但还不是“无脑替代 CUDA”。

主要限制包括：

支持型号有限，老卡和部分中低端卡不一定在官方列表内。
Windows 上框架支持仍少于 Linux。
很多 AI 教程仍默认 NVIDIA。
部分 ComfyUI 插件只测过 CUDA。
遇到报错时，社区答案比 NVIDIA 少。
同一模型在不同后端的性能差异可能很大。

所以选 AMD 路线前，最好先确认三个问题：

你的显卡是否在官方兼容矩阵里。
你的主要工具是否明确支持 ROCm。
你的核心插件是否依赖 CUDA-only 扩展。

如果这三个问题都能接受，AMD 才是可靠选择。否则，省下来的硬件成本可能会被环境排错时间抵消。

小结

ROCm 7.2 系列让 AMD 在 Windows 本地 AI 上前进了一大步。Radeon 和 Ryzen AI 的 PyTorch 支持更明确，ComfyUI Desktop 也开始提供官方 ROCm 支持，这让 AMD 显卡第一次真正接近普通用户可接受的 CUDA 平替体验。

但“可用”不等于“全兼容”。目前最稳的策略是：先查兼容矩阵，再走官方安装路径，先跑基础 ComfyUI，再逐步添加插件和复杂视频工作流。Windows 适合轻量和桌面创作，Linux 仍适合重度开发和生产。

如果你追求最省心，CUDA 仍然是主流答案。
如果你愿意为更大显存和开放生态多做一点验证，ROCm 7.2 + ComfyUI 已经值得认真尝试。

参考资料

RTX 5090 / 5080 AI 推理性能实测：本地大模型、4K 视频生成和实时 3D 怎么选

Fri, 08 May 2026 10:07:19 +0800

RTX 50 系列真正让本地 AI 用户兴奋的，不只是游戏帧率，而是 Blackwell 架构、GDDR7 显存和第五代 Tensor Core 带来的推理潜力。对跑本地大模型、图像生成、视频增强和实时 3D 工作流的人来说，显卡已经不只是渲染设备，而是桌面级 AI 工作站的核心。

但 RTX 5090 和 RTX 5080 的差距不能只看型号。它们都属于 Blackwell，都支持 DLSS 4、第五代 Tensor Core 和 FP4，但在本地 AI 推理里，真正决定体验的往往是显存容量、显存带宽、软件支持和具体模型适配。

简单结论是：RTX 5090 更像单卡本地 AI 的旗舰选择，适合大模型、长上下文、图像生成和视频 AI；RTX 5080 更适合预算有限、模型规模较小、以 16GB 显存可覆盖的工作流。两者都比上一代有进步，但不是所有 AI 应用都会立刻吃满 Blackwell 的新能力。

先看硬件差距

RTX 5090 的关键规格是 32GB GDDR7、512-bit 显存位宽、21760 个 CUDA Core 和 3352 AI TOPS。公开测试中，Puget Systems 也强调它的显存带宽达到约 1.79TB/s，相比 RTX 4090 的 24GB 和约 1.01TB/s 带宽，对 AI 工作负载很有意义。

RTX 5080 的规格则更克制：16GB GDDR7、256-bit 显存位宽、10752 个 CUDA Core 和 1801 AI TOPS。它的带宽约 960GB/s，比 RTX 4080 系列提升明显，但显存容量仍停在 16GB。

这意味着两张卡的定位非常清楚：

RTX 5090 的优势是 32GB 显存和高带宽，适合更大的模型、更长上下文和更重的多模态任务。
RTX 5080 的优势是价格和能耗相对可控，适合中小模型、图像生成、轻量视频处理和开发调试。
如果任务已经被显存卡住，RTX 5080 的计算能力再强也很难弥补 16GB 的限制。
如果任务主要受软件优化限制，RTX 5090 也未必总能比 RTX 4090 拉开理论规格对应的差距。

本地 AI 推理经常是“显存先决定能不能跑，带宽再决定跑得快不快”。这也是 RTX 5090 对本地大模型用户吸引力更强的原因。

本地大模型：32GB 显存更关键

跑 LLM 时，显存主要被三类东西占用：模型权重、KV cache 和运行时开销。模型越大、上下文越长、并发越高，显存压力越明显。

RTX 5080 的 16GB 显存可以覆盖不少 7B、8B、14B 级别模型，也能通过 4-bit 量化运行一部分更大的模型。但当用户想跑 30B 级别模型、提高上下文长度，或者同时开 WebUI、RAG、语音和工具调用时，16GB 很容易变成瓶颈。

RTX 5090 的 32GB 显存给了本地推理更多空间。它更适合：

运行 30B 左右的量化大模型。
在 7B、14B 模型上保留更长上下文。
做本地代码助手、知识库问答和 Agent 调试。
同时加载嵌入模型、重排模型或多模态组件。
在单机环境里减少频繁换模型和降上下文的麻烦。

不过，32GB 也不是万能。70B 级别模型即使用 4-bit 量化，也常常需要更谨慎地控制上下文、运行参数和显存碎片。想要高并发服务，多卡或服务器 GPU 仍然更合适。

如果只是个人使用，RTX 5090 的体验优势主要体现在“少折腾”：可选模型更多，长上下文更宽松，图形界面和周边工具也更容易同时运行。

FP4 是潜力，不是所有应用的即插即用加速

Blackwell 的重要变化之一是第五代 Tensor Core 支持 FP4。NVIDIA 在 TensorRT 相关资料中提到，FP4 可以降低模型的显存占用和数据搬运压力，并用于 FLUX 等生成式模型的本地推理优化。

这对图像生成和未来的大模型推理很重要。低精度不仅意味着更少显存，也意味着更低带宽压力。对于 RTX 5090 这种高带宽显卡，FP4 如果被框架和模型充分支持，理论上会进一步放大优势。

但现实是，FP4 的收益取决于软件链路：

模型是否有合适的 FP4 量化版本。
推理框架是否支持对应算子。
TensorRT、ComfyUI、PyTorch、ONNX 或插件是否完成适配。
精度损失是否能被具体任务接受。
用户是否愿意为了性能调整工作流。

所以现在评价 RTX 50 系列 AI 性能，不能只看 FP4 峰值。更稳妥的判断是：Blackwell 给了 FP4 硬件基础，但实际体验要看应用更新速度。早期使用者会先吃到部分收益，主流用户需要等待生态成熟。

图像生成和 4K 视频：带宽与显存一起决定体验

Stable Diffusion、FLUX、视频超分、插帧、去噪、抠像和生成式视频都对显存敏感。分辨率越高，显存占用越大；节点越多，运行时开销越高；同时启用 ControlNet、LoRA、高清修复和批量生成时，显存压力会继续上升。

RTX 5080 在 16GB 显存内可以完成很多图像生成任务。对 1024px 级别图像、轻量 LoRA、常规 ComfyUI 工作流来说，它已经足够快。问题出现在更大的画布、更复杂节点、更高 batch，或者视频生成这类长序列任务里。

RTX 5090 的优势在 4K 视频相关工作流里更明显：

32GB 显存更适合高分辨率帧、长序列和复杂节点图。
1.79TB/s 级别带宽有利于减少数据搬运瓶颈。
三个第九代 NVENC 编码器对视频导出、转码和创作流程更友好。
FP4 和 TensorRT 适配成熟后，图像生成模型可能获得更明显收益。

不过，公开视频 AI 实测也提醒了一点：应用优化还没完全跟上硬件。Puget Systems 在 DaVinci Resolve AI 和 Topaz Video AI 测试中发现，RTX 5090 并不是每个项目都能大幅领先 RTX 4090，RTX 5080 也没有总是拉开 RTX 4080 系列。这说明视频 AI 不是单纯堆规格，插件、驱动和模型实现同样重要。

换句话说，如果你的工作流已经明确支持 Blackwell、TensorRT 或 FP4，RTX 50 系列更值得期待；如果主要依赖还没优化的商业软件，升级收益要看具体版本。

实时 3D 和 AI 建模：RTX 5090 更适合重场景

实时 3D 建模、神经渲染、3D 资产生成和视口 AI 加速通常会同时消耗 CUDA、RT Core、Tensor Core 和显存。它和纯 LLM 不同，不只是 token 生成速度，还包括场景复杂度、材质、几何、光追、AI 降噪和视口帧率。

RTX 5080 可以胜任很多 4K 游戏、实时预览和中等规模创作项目。对独立创作者来说，它是比较现实的高性能选择。

RTX 5090 更适合下面几类场景：

复杂 3D 场景实时预览。
高分辨率材质和大规模资产。
AI 降噪、超分和生成式辅助建模同时开启。
D5 Render、Blender、Unreal Engine 等工具中的重负载工作。
需要边建模边运行本地 AI 助手或图像参考生成。

NVIDIA 宣称 RTX 50 系列在创作应用中可提升生成式 AI、视频编辑和 3D 渲染效率，但实际项目里仍要看软件是否调用到了新硬件路径。对生产环境来说，最可靠的办法仍然是用自己的项目文件测试，而不是只看宣传图表。

该怎么选

如果你的目标是本地大模型，优先看显存。16GB 的 RTX 5080 可以跑很多轻量模型，但更像“高性能入门本地 AI 卡”；32GB 的 RTX 5090 才更接近“单卡本地大模型工作站”。

如果你的目标是图像生成，RTX 5080 已经能覆盖很多日常工作流；如果你经常做高分辨率、多节点、批量生成、FLUX 或视频生成，RTX 5090 的显存余量更重要。

如果你的目标是 4K 视频 AI，RTX 5090 更稳，但要确认具体软件版本。Topaz、DaVinci Resolve、ComfyUI、TensorRT 插件和驱动版本都可能影响结果。

如果你的目标是实时 3D 建模，RTX 5080 可以满足很多创作需求；RTX 5090 更适合重场景、多应用并行和长时间生产。

如果你已经有 RTX 4090，升级要谨慎。RTX 5090 的显存和带宽更强，但部分现有 AI 软件还未完全释放 Blackwell 优势。除非你明确需要 32GB 显存、更高带宽或新编码器，否则可以等软件生态再成熟一些。

如果你还在使用 RTX 30 系列或更老显卡，RTX 50 系列的升级感会明显很多。尤其是从 8GB、10GB、12GB 显存升级到 16GB 或 32GB，本地 AI 的可用范围会直接扩大。

小结

RTX 5090 和 RTX 5080 都把消费级显卡推向了更强的本地 AI 时代，但它们适合的人并不一样。

RTX 5090 的价值在于 32GB GDDR7、超高显存带宽和更完整的创作硬件配置。它适合想在单机上跑更大模型、更复杂图像生成、更重视频 AI 和实时 3D 工作流的人。

RTX 5080 的价值在于用相对低的成本进入 Blackwell 平台。它适合 16GB 显存能覆盖的中小模型、日常图像生成、开发测试和高性能创作。

真正的选购原则很简单：先看你的模型和项目能不能放进显存，再看软件是否已经优化 Blackwell，最后才看理论 AI TOPS。对本地 AI 来说，能稳定跑完，比峰值数字更重要。

参考资料

铁威马 F2-220 安装飞牛 OS：F3 背板、NVMe 与 BIOS 模块注入

Mon, 04 May 2026 06:09:40 +0800

这是一篇铁威马 F2-220 安装飞牛 OS 的实践记录。目标是替换原厂 TOS，并在 F2-220 已停止官方支持的情况下继续使用这台 NAS。过程中同时验证了 F3 背板在 F2-220 上的可用性，并解决了 BIOS 不能从 NVMe 启动的问题。

F3 背板原项目验证设备是 F2-221，平台为 J3355；F2-220 是 J1800 平台，兼容性没有现成结论。由于项目 fork 中已有 V1.1 版本，器件数量减少，成本和制作难度也下降，因此直接制作 V1.1 版本测试。

打板和焊接

背板项目地址：arnarg/f3_backplane。打板使用的是 fork 中的 V1.1 版本，核心目标是保留原有 SATA 硬盘位，同时从背板接口引出 NVMe 固态位置。

打板后拿到多块 PCB。焊接时遇到一个细节：一开始没有仔细看 BOM，焊完 M.2 后才发现 SATA 接口和常见接口不太一样。

淘宝上没有找到原生完全合适的 SATA 接口，最后选择改现有接口：把针脚拔出并交换位置，再焊回板上，完成成品背板。

这一段的关键结论是：F3 背板方案在 F2-220 上可以继续尝试，但 SATA 接口选型需要特别注意，不要直接按常见 SATA 连接器下单。

接 VGA 输出

F2-220 机器本身没有外露视频输出，但内部预留了 12 针 VGA 接口。需要购买主板内置 12Pin VGA 转接线，一端接机器内部 12 针排针，另一端通常是标准 DB15 VGA 母头，用来外接显示器。

常见搜索关键词可以用“12Pin VGA 转接线”“主板 12 针 VGA 转接线”“2.0mm 12Pin 转 VGA”。购买前要按机器内部接口照片核对插头方向、针距和线序，不要只看“12Pin”字样下单。

这一步对安装很关键。没有视频输出时，后续 BIOS 和安装过程会非常难排查。

安装飞牛 OS

通过 Ventoy 启动飞牛 OS 安装程序。安装界面可以成功看到 NVMe 固态，说明背板和 NVMe 硬件链路是通的。

但安装完成后拔掉启动盘，机器会重启到 BIOS 界面，不能正常进入飞牛 OS。BIOS 启动项里没有 NVMe 固态。把飞牛 OS 安装到 U 盘启动后，系统内又可以正常看到 NVMe。

这个现象说明：

NVMe 硬件识别没有问题
Linux 系统内可以访问 NVMe
失败点在 BIOS 启动阶段
F2-220 平台较老，原 BIOS 很可能没有 NVMe 启动模块

备份 BIOS

此时已经可以用 U 盘启动飞牛 OS，而飞牛 OS 基于 Debian，因此可以在系统内用 flashrom 备份和刷写 BIOS。

刷 BIOS 有风险。最好准备编程器，避免刷坏后无法恢复。

安装 flashrom：

1
2

sudo apt update
sudo apt install flashrom -y

确认是否能识别 BIOS 芯片：

`1`	`sudo flashrom -p internal`

机器识别到的芯片信息类似：

`1`	`Found Winbond flash chip "W25Q64.W" (8192 kB, SPI) mapped at physical address 0x00000000ff800000.`

备份原版 BIOS。注意命令中的芯片型号需要按自己的机器替换：

`1`	`sudo flashrom -p internal -c "W25Q64.W" -r backup_factory.bin`

注入 NVMe 模块

备份出的 BIOS 是一个 .bin 文件。可以通过 WinSCP 把文件传到电脑上，再参考 B 站教程《让老主板用上 Nvme 协议的固态》，把 NVMe 模块注入 BIOS 文件。

处理完成后，再把修改后的 BIOS 文件传回飞牛 OS。

这里不建议盲目套用别人的 BIOS 文件。不同机器、不同 BIOS 版本、不同 flash 芯片都可能有差异。更稳妥的做法是备份自己的原 BIOS，再基于自己的备份文件修改。

刷写新 BIOS

刷写命令如下。芯片型号、固件路径和文件名都要按实际情况替换：

`1`	`sudo flashrom -p internal -c "W25Q64.W" -w /vol1/NEW_NVME.bin`

当输出中看到下面这行，表示校验通过：

`1`	`Verifying flash... VERIFIED.`

刷写完成后，BIOS 启动项里可以看到 PATA 项。对这类注入 NVMe 模块的老 BIOS 来说，NVMe 启动项经常会以 PATA 形式显示。看到它，说明 BIOS 已经可以识别 NVMe 启动路径。

结果

最终结果：

F3 背板 V1.1 在铁威马 F2-220 上可以识别 NVMe
飞牛 OS 安装程序能看到 NVMe 固态
原 BIOS 不能直接从 NVMe 启动
给 BIOS 注入 NVMe 模块后，启动项出现 PATA
机器具备从 NVMe 启动飞牛 OS 的条件

实测反馈里也提到，这个 NVMe 通道速度只有 300MB/s 多。作为系统盘已经够用，不需要上很好的 SSD，甚至小容量傲腾也能满足需求。

注意事项

这不是普通无风险教程，更像一次硬件和 BIOS 改造记录。真正动手前至少要注意：

F2-220 和 F2-221 平台不同，不能把 F2-221 的结果直接等同于 F2-220。
F3 背板需要打板和焊接，SATA 接口还可能需要改针脚。
机器内部 VGA 接口需要合适的转接线，方便安装和排错。
BIOS 刷写有变砖风险，最好提前准备编程器和原始备份。
flashrom 命令里的芯片型号必须按自己机器识别结果填写。
不要直接刷别人修改好的 BIOS，优先基于自己的备份注入 NVMe 模块。

这次记录的价值在于补上了 F2-220 的实测结果：F3 背板思路不仅限于 F2-221，F2-220 也有机会使用 NVMe 系统盘；真正的卡点不在 Linux 识别 NVMe，而在 BIOS 是否支持 NVMe 启动。

铁威马 F2-221 NAS 背板 pinout 记录

Mon, 04 May 2026 06:02:56 +0800

这篇记录整理铁威马 F2-221 NAS 背板连接器的非标准 pinout。这个接口外形接近 PCIe 边缘连接器，但并不是标准 PCIe 插槽，而是铁威马自定义背板接口。

该连接器同时承载 SATA、电源、复位和 PCIe 信号。确认 PCIe1 x1 可用后，可以通过自制背板接出 M.2 M-key 插槽，用 NVMe SSD 作为内部系统盘。

同一思路也适用于铁威马 F2-220。F2-220 与 F2-221 平台不同，但已有飞牛论坛实测：F3 背板 V1.1 在 F2-220 上可以识别 NVMe，安装飞牛 OS 时系统内可见该 NVMe 盘；真正需要额外处理的是老 BIOS 可能不支持从 NVMe 启动。

结论

F2-221 背板连接器里同时包含：

两个原生 SATA 口的信号
12V、5V、3.3V 和 GND
SATA 硬盘供电控制相关信号
PERST#
至少一组可用的 PCIe Gen2 x1 信号
第二组 PCIe 信号的部分线索，但没有完整验证

PCIe1 可用于接出 M.2 M-key NVMe 插槽。实测中，NVMe 盘运行在 PCIe Gen2 x1 上，BIOS 可以识别并启动。

F2-220 的实测结果也支持这个方向：硬件层面可以识别 NVMe，但 BIOS 启动阶段可能需要注入 NVMe 模块，启动项可能以 PATA 形式出现。

背板连接器 pinout

连接器分为 B/A 两侧。? 表示未确认或未连接，NC 表示未连接。

Pin	B side	A side
1	12V	?
2	12V	12V
3	12V	12V
4	GND	GND
5	SATA1 A+	SATA1 B+
6	SATA1 A-	SATA1 B-
7	GND	NC
8	5V	5V
9	5V	5V
10	?	5V
11	?	?
12	3.3V	GND
13	GND	3.3V
14	SATA2 A+	3.3V
15	SATA2 A-	GND
16	GND	SATA2 B+
17	PERST#	SATA2 B-
18	GND	GND
19	PCIe1 TX+	NC
20	PCIe1 TX-	GND
21	GND	PCIe1 RX+
22	GND	PCIe1 RX-
23	PCIe1 REFCLK+	GND
24	PCIe1 REFCLK-	GND
25	GND	PCIe2 RX+
26	GND	PCIe2 RX-
27	PCIe2 TX+	GND
28	PCIe2 TX-	GND
29	GND	PCIe2 REFCLK+
30	?	PCIe2 REFCLK-
31	?	GND
32	GND	?

PCIe1 的参考价值更高。PCIe2 未完整验证，只适合作为线索，不能直接作为可靠设计依据。

信号来源判断

F2-221 原厂双盘背板没有 PCIe 转 SATA 控制器，SATA 信号直接从主板连接器进入背板。额外 PCIe 信号主要从同系列多盘位机型推断而来。

铁威马 F5-422 背板使用两颗 ASMedia ASM1061。ASM1061 是 PCIe Gen2 x1 转双 SATA 控制器。结合 Intel J3355 本身有 2 个 SATA 口和 6 条 PCIe Gen2 lane，可以推断多盘位型号通过 PCIe 扩展 SATA 端口。

因此，F2-221 主板连接器上保留 PCIe 信号是合理的。厂商很可能在同系列不同盘位机型之间复用主板设计，只通过背板区分功能。

PCIe 差分对判断

PCIe 差分线进入过孔后通常会走内层，无法只靠照片完整追线。一个可用判断规则是：传统 PCIe 设计中，TX 差分对通常带 AC coupling 电容。

方向需要反过来看：

从 ASM1061 控制器角度看的 TX，对应 CPU 或主板侧的 RX
从 ASM1061 控制器角度看的 RX，对应 CPU 或主板侧的 TX
REFCLK 需要结合相邻差分对和走线位置判断

这类 pinout 更适合当作硬件逆向资料，而不是官方规格书。

可用性验证

基于这份 pinout 制作的 F3 背板已经完成过以下验证：

原有两个 SATA 硬盘位继续可用
PCIe1 可接到 M.2 M-key 插槽
NVMe SSD 可被 BIOS 识别
NAS 可以直接从 NVMe SSD 启动
btrfs scrub 未发现硬盘错误
系统从 NVMe SSD 运行数周无明显异常

测试用 NVMe SSD 为 Patriot P300 128GB。hdparm 结果如下：

1
2
3

/dev/nvme0n1:
 Timing cached reads:   4554 MB in  2.00 seconds = 2279.68 MB/sec
 Timing buffered disk reads: 1222 MB in  3.00 seconds = 407.22 MB/sec

这个速度符合 PCIe Gen2 x1 的限制。它不是为了跑满 NVMe 性能，而是作为内部系统盘替代外置 USB SSD。

注意事项

这份 pinout 适合作为硬件逆向和自制背板参考，但不应当当成官方资料使用。

连接器不是标准 PCIe，不能直接插通用 PCIe 设备。
? 引脚未确认，不应随意接入关键电路。
PCIe2 未完整验证，风险比 PCIe1 更高。
CLKREQ 没有按常规 M.2 设计完整接出，ASPM 可能不可用。
SATA 供电包含热插拔相关的 load switch 和 slow start 逻辑，不能只接信号线而忽略供电控制。
如果要复刻，应重新测量自己的主板和背板，不要只依赖照片。

详解 PCIe 通道拆分 bifurcation 的各种方式

Sat, 02 May 2026 08:29:32 +0800

PCIe bifurcation 通常被翻译为 PCIe 通道拆分或分叉。它解决的问题很直接：一组来自 CPU 或芯片组的 PCIe Lane，到底应该作为一个宽链路使用，还是拆成多个窄链路分给不同设备。

例如，一组 16 条 PCIe Lane 可以配置成 x16，也可以拆成 x8+x8，或者拆成 x8+x4+x4。这就是主板上“一个显卡插槽跑满 x16”“两个显卡插槽各跑 x8”“一条显卡加两个 CPU 直连 M.2”的底层基础。

PCIe Lane 是什么

PCIe 是串行总线。每个 Lane 由一组差分信号组成，可以理解为一条独立的高速数据通道。多个 Lane 绑定在一起后，就形成了更宽的链路：

链路宽度	常见用途
`x1`	网卡、声卡、采集卡、USB 扩展卡
`x4`	NVMe SSD、部分高速扩展卡
`x8`	第二条显卡插槽、RAID 卡、网卡
`x16`	主显卡插槽

PCIe 链路宽度通常按 2 的幂增长，所以常见的是 x1、x2、x4、x8、x16。消费级主板上最常见的是 x1、x4、x8 和 x16。

需要注意的是，物理插槽长度不等于实际链路宽度。一个看起来是 x16 的长插槽，实际可能只接了 x4 或 x8；一个 M.2 插槽通常是 x4，但它也要看是接 CPU 还是接芯片组。

bifurcation 在什么时候发生

PCIe 设备初始化大致可以分成几个阶段：

确定 PCIe bifurcation，也就是决定通道如何拆分。
Root Port Training，训练链路速度和宽度。
PCI 枚举，让系统发现各个设备。
设置 PCIe 相关特性，例如电源管理、错误报告和超时控制。

bifurcation 发生得很早。因为系统必须先知道一组 Lane 是一个 x16，还是两个 x8，或者几个 x4，后续 Training 和设备枚举才知道该按几个 Root Port 去处理。

如果 bifurcation 设置不对，常见现象包括：

扩展卡只识别一块 SSD。
插了转接卡后设备完全不出现。
显卡链路宽度从 x16 变成 x8。
BIOS 里看不到想要的拆分选项。
主板说明书写着支持某种拆分，但只在特定插槽或特定 CPU 下生效。

方式一：Hard Strap

Hard Strap 是硬件方式。主板通过固定引脚、电阻上下拉或线路连接，把 PCIe 拆分方式在硬件层面确定下来。

这种方式常见于消费级桌面平台的 CPU 直连 PCIe 通道。例如 CPU 提供一组 x16 Lane，主板厂商可以按产品定位设计成：

配置	典型用途
`x16`	一条主显卡插槽
`x8+x8`	两条显卡插槽
`x8+x4+x4`	一条显卡插槽加两个 CPU 直连 M.2

Hard Strap 的特点是稳定、简单、成本低。主板厂商在设计 PCB 时就确定了通道走向，用户后期通常不能在 BIOS 里自由改。

它的缺点也很明显：灵活性差。一旦主板布线定下来，除非重新设计 PCB，否则不能把一个只做 x16 的插槽变成 x4+x4+x4+x4。所以很多消费级主板即使 CPU 理论上支持拆分，BIOS 里也未必给出相关选项。

对普通用户来说，Hard Strap 最直观的影响是：主板能不能支持 PCIe 拆分，首先看主板设计，不是只看 CPU 参数。

方式二：Soft Strap

Soft Strap 是软件配置方式，但它并不一定等于 BIOS 菜单里的用户选项。很多时候，这类配置写在 BIOS 镜像或平台描述区域中，由主板厂商在出厂前设置好。

芯片组下面的 PCIe Root Port 经常采用类似方式。主板厂商根据实际布线，把某些 Root Port 配成独立 x1，或者组合成 x2、x4。这些设置通常在 BIOS 镜像中固定，刷入后随平台初始化生效。

Soft Strap 的特点是：

不需要改 PCB 就能调整部分配置。
配置通常在早期初始化阶段生效。
修改后一般需要重新刷写 BIOS 或至少重启。
用户界面里不一定暴露相关选项。

这也是为什么有些主板的硬件看起来接线类似，但不同 BIOS 版本或不同厂商设置下，PCIe 插槽、M.2 插槽和板载设备的分配方式会有差异。

不过，Soft Strap 仍然不是万能的。它只能在硬件布线允许的范围内调整，不能凭空把没有连接到某个插槽的 Lane 分给它。

方式三：Wait For BIOS

Wait For BIOS 是更灵活的方式。平台在 PCIe Training 之前等待 BIOS 写入相关寄存器，由 BIOS 决定某组 Lane 最终拆成什么宽度。

这种方式常见于可扩展性更强的平台，例如工作站、服务器或部分 Xeon 平台。因为这些平台提供的 Lane 数量更多，插槽组合也更复杂，如果全部靠硬件固定，会大幅降低主板适配能力。

Wait For BIOS 的优势是灵活：

BIOS 可以提供 x16、x8+x8、x8+x4+x4、x4+x4+x4+x4 等选项。
同一张主板可以适配不同扩展卡。
更适合多 NVMe 转接卡、PCIe 背板、服务器 Riser 卡等场景。
用户可以根据设备数量和带宽需求调整。

它的代价是平台和 BIOS 必须配合。CPU 或芯片组要支持对应拆分，主板布线要符合拆分方式，BIOS 也要把选项做出来。缺少其中任何一环，用户都可能看不到可用的 bifurcation 设置。

常见拆分组合

不同平台支持的组合不一样，但常见拆分方式大致如下：

原始链路	常见拆分	典型用途
`x16`	`x16`	单显卡
`x16`	`x8+x8`	双显卡、显卡加高速扩展卡
`x16`	`x8+x4+x4`	显卡加两块 NVMe SSD
`x16`	`x4+x4+x4+x4`	四盘 NVMe 转接卡
`x8`	`x4+x4`	双盘 NVMe、双口高速扩展
`x4`	`x2+x2` 或多个 `x1`	较少见，取决于平台支持

在 DIY 场景里，最常见的需求是把一个 x16 插槽拆成 x4+x4+x4+x4，配合四盘 M.2 转接卡使用。这里要特别注意：便宜的无芯片转接卡只是把插槽物理转接成多个 M.2，它本身不会负责拆分 PCIe 通道。

如果主板不支持 x4+x4+x4+x4，这种转接卡通常只能识别第一块 SSD。想在不支持 bifurcation 的主板上使用多盘卡，需要带 PCIe Switch 芯片的扩展卡，但这类卡成本高得多。

bifurcation 和 PCIe Switch 的区别

bifurcation 是把上游已有的 Lane 拆给多个下游端口。它不增加 Lane 数，只改变分配方式。

PCIe Switch 则像一个 PCIe 交换芯片。它可以把一个上游链路连接到多个下游设备，让系统看到更多设备。它也不凭空增加上游带宽，但可以解决“主板不支持通道拆分仍要接多设备”的问题。

两者差异可以这样理解：

方案	是否需要主板支持 bifurcation	成本	适合场景
无芯片 M.2 转接卡	需要	低	主板支持 `x4+x4+x4+x4`
带 PCIe Switch 的扩展卡	不一定需要	高	主板不支持拆分但需要多设备

所以买多 M.2 扩展卡前，要先看主板 BIOS 是否支持对应拆分。如果只写“支持 PCIe x16 插槽”，并不代表它支持四盘同时识别。

选购和排查建议

如果你想使用 PCIe bifurcation，可以按这个顺序确认：

查 CPU 或平台是否支持目标拆分方式。
查主板说明书，看目标插槽是否支持 x8+x8、x8+x4+x4 或 x4+x4+x4+x4。
进入 BIOS，确认是否有 PCIe bifurcation、PCIe lane configuration、slot configuration 之类选项。
确认扩展卡是无芯片转接卡，还是带 PCIe Switch 的卡。
确认设备插满后是否会和 M.2、SATA、板载网卡等共享通道。
进系统后用工具查看实际链路宽度和设备枚举情况。

如果扩展卡只能识别一块盘，优先检查 BIOS 拆分选项。如果 BIOS 没有相关设置，大概率不是驱动问题，而是主板没有把这组 Lane 拆给多个设备。

如果设备都能识别，但速度不对，再检查链路 Training。线材、转接卡质量、插槽走线、PCIe 版本和设备兼容性，都可能导致链路从 Gen4 降到 Gen3，甚至降到更低。

小结

PCIe bifurcation 的本质，是在 PCIe 初始化早期决定 Lane 的组织方式。Hard Strap 靠硬件固定，Soft Strap 靠平台配置，Wait For BIOS 则由 BIOS 在训练链路前动态设置。

对普通装机用户来说，最重要的结论有三点：

x16 物理插槽不等于一定能拆成多个 x4。
无芯片多 M.2 转接卡必须依赖主板 bifurcation。
是否支持拆分，要同时看 CPU、主板布线和 BIOS 选项。

理解这些之后，再看主板规格表里的 x16、x8+x8、x4+x4+x4+x4，就不会只停留在插槽长度上，而能判断它到底能不能满足实际扩展需求。

Sony IMX 摄像头模组选型：IMX335、IMX678、IMX415、IMX219、IMX273、IMX766、IMX307 参数、资料和淘宝价格参考

Fri, 01 May 2026 04:15:28 +0800

做嵌入式视觉、安防摄像头、树莓派相机、Jetson 相机或机器视觉项目时，经常会遇到一堆 Sony IMX 型号。

这些型号看起来都像“摄像头”，但实际差异很大：有的适合低照度监控，有的适合 4K 视频，有的适合工业全局快门，有的只是手机维修件常见，有的则适合树莓派生态。

这篇文章整理几个淘宝和开发板生态里常见的 Sony IMX 摄像头模组：

IMX335
IMX678
IMX415
IMX219
IMX273
IMX766
IMX307
补充：IMX290、IMX462、IMX477、IMX585、IMX708

需要先说明：下面的售价是截至 2026-05-01 能在淘宝、开发板配件店、模组厂商和跨境零售渠道中看到的常见零售价区间，只适合做选型预算。真实价格会被镜头、接口、驱动板、外壳、是否带 ISP、是否支持 UVC、是否含税开票和采购数量影响。

先看结论

如果只是快速选型，可以先按用途分：

用途	推荐型号	原因
树莓派入门	`IMX219`	生态最成熟，价格低，资料多
树莓派高画质	`IMX477`、`IMX708`	分辨率更高，官方生态支持好
低照度监控	`IMX307`、`IMX335`	STARVIS 系列，夜间表现好
4K 安防/工业视频	`IMX415`、`IMX678`	4K、MIPI/USB 模组常见
新一代低照度 4K	`IMX678`、`IMX585`	STARVIS 2，暗光和动态范围更好
工业触发/运动物体	`IMX273`	全局快门，适合机器视觉
手机维修/改装	`IMX766`	手机主摄常见，但开发资料不如工业型号开放

普通项目优先看 IMX219、IMX335、IMX415、IMX678。它们在淘宝和开发板配件市场更容易买到现成模组。

常见型号参数表

型号	常见定位	像素/分辨率	光学尺寸	像元尺寸	快门	常见接口	大致发布时间	模组零售价参考
`IMX219`	树莓派 V2、入门 CSI 相机	8MP，3280×2464	1/4"	1.12 μm	滚动快门	MIPI CSI-2	2016 年随 Raspberry Pi Camera Module 2 普及	20-80 元
`IMX307`	1080p 星光夜视、安防	2.13MP，1920×1080	1/2.8"	2.9 μm	滚动快门	MIPI CSI-2 / LVDS	约 2017-2018 年公开资料	60-180 元
`IMX335`	5MP 星光夜视、安防、车载记录	5.14MP，2592×1944	1/2.8"	2.0 μm	滚动快门	MIPI CSI-2	约 2018-2019 年后大量商用	90-260 元
`IMX415`	4K 安防、工业相机、Jetson	8.46MP，3840×2160 推荐输出	1/2.8"	1.45 μm	滚动快门	MIPI CSI-2	Sony 2019-06-26 发布，2019 年量产路线	120-450 元
`IMX678`	STARVIS 2 4K 低照度	8.40MP，4K	1/1.8"	2.0 μm	滚动快门	MIPI CSI-2 / USB 模组	约 2022 年后进入模组市场	250-900 元
`IMX273`	工业机器视觉	1.58MP，约 1456×1088	1/2.9"	3.45 μm	全局快门	MIPI/LVDS/工业相机接口	约 2017 年前后公开资料	300-1500 元以上
`IMX766`	手机主摄、维修件	50MP	1/1.56"	1.0 μm，四合一约 2.0 μm	滚动快门	手机模组接口	2020-2021 年手机市场普及	50-300 元维修模组，开发难度高

这里的“模组零售价”不是裸芯片价格。淘宝上 30 元的 IMX219 通常是树莓派排线小板；几百元的 IMX678 往往已经带 USB 转接、ISP、镜头甚至外壳；工业相机形态的 IMX273 价格会更高。

IMX219：树莓派生态里最常见的入门型号

IMX219 最常见的形态是树莓派 Camera Module 2 或兼容模组。

Raspberry Pi 官方资料说明，Camera Module 2 在 2016 年 4 月替代原始 Camera Module，使用 Sony IMX219 8MP 传感器，分辨率为 3280×2464。

它的优点很明确：

价格便宜
资料多
树莓派生态支持成熟
淘宝非常容易买到
适合入门拍照、监控、延时摄影、简单视觉识别

缺点也很明显：

传感器尺寸小
暗光表现一般
默认模组镜头和画质上限有限
高速运动场景会有滚动快门变形

淘宝关键词可以搜：

IMX219 树莓派摄像头
IMX219 NoIR
IMX219 广角
IMX219 Jetson Nano

常见价格大约 20-80 元。普通固定焦距小板最便宜，广角、夜视、双目、带外壳版本会更贵。

资料链接：

IMX307：1080p 星光夜视老将

IMX307 是安防监控里很常见的 2MP STARVIS 型号。

Sony 官方 Flyer 中给出的核心信息包括：

1/2.8" 光学尺寸
2.13MP 有效像素
推荐 1920×1080 输出
Full HD 1080p 最高 60fps
像元尺寸 2.9 μm
支持 HDR
支持 LVDS 和 MIPI CSI-2

它不追求高分辨率，而是更偏向 1080p 低照度。2.9 μm 像元比很多 4K 小底传感器更大，所以在夜间监控、弱光识别、室内低照度项目里仍然常见。

淘宝上常见形态：

IMX307 USB 摄像头模组
IMX307 MIPI 模组
IMX307 星光夜视
IMX307 低照度监控板

常见价格大约 60-180 元。带 ISP、USB UVC、外壳、红外滤光切换的版本会更贵。

资料链接：

Sony IMX307LQD/LQR Flyer

IMX335：5MP 低照度和安防项目常用

IMX335 可以理解成淘宝模组市场里很常见的 5MP STARVIS 选择。

它比 IMX307 分辨率更高，又不像一些 4K 型号那么贵，因此常见于：

安防摄像头
车载记录仪
Jetson/RK 平台 MIPI 摄像头
USB UVC 摄像头
低照度拍摄项目

常见参数：

约 5.14MP
2592×1944
1/2.8" 光学尺寸
2.0 μm 像元
STARVIS 背照式技术
常见 MIPI CSI-2 输出

IMX335 比 IMX219 更适合暗光，比 IMX415 更偏 5MP 实用路线。做 2K 视频、夜间画面、监控识别，通常比入门树莓派模组舒服。

淘宝关键词：

IMX335 USB 摄像头
IMX335 MIPI 摄像头
IMX335 Jetson
IMX335 星光夜视

常见价格大约 90-260 元。USB 免驱版本通常比单纯 MIPI 小板贵。

资料链接：

IMX415：小尺寸 4K 安防和工业视频常用

IMX415 是 4K 安防和工业视频里很常被提到的型号。

Sony 在 2019-06-26 发布过 IMX415 和 IMX485 两款 4K 安防传感器。官方新闻稿里提到，IMX415 是 1/2.8 型 4K 分辨率堆栈式 CMOS 图像传感器，面向智能城市、监控和交通监测等场景。

官方 Flyer 中的核心参数：

1/2.8" 光学尺寸
8.46MP 有效像素
推荐记录像素 3840×2160
1.45 μm 像元
12bit 全像素最高约 60.3fps
10bit 全像素最高约 90.9fps
支持 Multiple exposure HDR 和 Digital overlap HDR
支持 MIPI CSI-2，2 Lane / 4 Lane，RAW10 / RAW12

它的特点是小尺寸 4K。缺点是像元只有 1.45 μm，如果镜头和补光不够，暗光画面不一定比 IMX307、IMX335 更好。

淘宝关键词：

IMX415 4K 摄像头模组
IMX415 USB 摄像头
IMX415 MIPI CSI
IMX415 Jetson
IMX415 星光夜视

常见价格大约 120-450 元。便宜的是 MIPI 裸模组，贵一些的是 USB3.0、带 ISP、带外壳或适配 Jetson 的版本。

资料链接：

IMX678：STARVIS 2 时代的 4K 低照度热门型号

IMX678 是近几年很热门的 STARVIS 2 4K 型号，行车记录仪、低照度相机、USB 摄像头和开发板模组里都能见到。

公开 Flyer 中的关键点：

1/1.8" 光学尺寸
8.40MP 级别
2.0 μm 像元
STARVIS 2
面向可见光和近红外低照度场景

和 IMX415 相比，IMX678 的底更大、像元更大，暗光余量更好。缺点是模组价格更高，对镜头、供电、驱动和带宽也更挑。

淘宝关键词：

IMX678 摄像头模组
IMX678 USB
IMX678 MIPI
IMX678 STARVIS2
IMX678 Jetson

常见价格大约 250-900 元。跨境品牌 USB3.0 模组甚至会到 1000 元以上；Arducam 的 IMX678 USB 3.0 模组公开零售价为 159.99 美元起，可以作为高端零售价格参考。

资料链接：

IMX273：工业机器视觉更关心全局快门

IMX273 和前面的安防型号不太一样。

它是工业和传感应用里常见的全局快门型号，适合拍运动物体、触发拍照、定位检测、流水线视觉和测量项目。全局快门的意义是整帧同时曝光，可以减少滚动快门在运动场景下的倾斜和变形。

Sony Flyer 中 IMX273LLR/LQR 所在系列强调：

工业和传感应用
3.45 μm / 6.9 μm 像元系列
全局快门功能
同系列还包括 IMX287、IMX296、IMX297

IMX273 的像素不算高，但工业视觉常常更看重触发同步、曝光一致性、低畸变、全局快门、镜头和相机 SDK，而不是单纯堆分辨率。

淘宝关键词：

IMX273 工业相机
IMX273 全局快门
IMX273 USB3 工业相机
IMX273 GigE

常见价格大约 300-1500 元以上。单独模组不一定便宜，工业相机成品更贵。

资料链接：

Sony IMX273/287/296/297 Flyer

IMX766：手机主摄传感器，不适合作为普通开发板入门

IMX766 是手机领域很常见的 50MP 传感器，曾出现在不少安卓手机主摄方案中。

常见公开参数：

50MP
1/1.56" 光学尺寸
1.0 μm 像元
四合一后约 2.0 μm 等效像元
支持全像素对焦相关能力

但是它和 IMX219、IMX335、IMX415 这类开发板模组不一样。淘宝上能买到的 IMX766 更多是手机维修摄像头模组，通常为特定手机设计，FPC、供电、驱动、初始化寄存器、对焦马达、OIS、ISP 配合都可能不公开。

所以它适合：

手机维修
拆机研究
对移动影像链路感兴趣的硬件玩家

不太适合：

树莓派直接接入
Jetson 快速开发
普通 USB 摄像头项目
没有驱动能力的嵌入式项目

淘宝关键词：

IMX766 摄像头模组
IMX766 手机摄像头
IMX766 主摄

常见价格大约 50-300 元，但这通常是手机维修件价格，不代表它能直接接到开发板上用。

资料链接：

IMX766 Sensor Overview

其他淘宝常见 Sony IMX 型号

除了上面这些，还有几个型号也经常能买到。

IMX290

IMX290 是 2MP STARVIS 低照度老型号，常见于安防、天文、低照度 USB 摄像头。它和 IMX307 关系很近，很多项目会在二者之间比较。

淘宝关键词：

IMX290 USB 摄像头
IMX290 星光夜视
IMX290 MIPI

常见价格大约 80-300 元。

IMX462

IMX462 也是低照度和近红外表现常被讨论的型号，常见于天文相机、低照度相机和安防应用。

淘宝关键词：

IMX462 USB 摄像头
IMX462 天文相机
IMX462 低照度

常见价格大约 150-600 元。

IMX477

IMX477 最常见的入口是 Raspberry Pi High Quality Camera。

它是 12.3MP、1/2.3" 级别，配合 C/CS 镜头生态，比 IMX219 更适合认真拍图像、机器视觉实验和显微/长焦项目。Raspberry Pi High Quality Camera 于 2020 年发布，官方定价曾是 50 美元。

淘宝关键词：

IMX477 树莓派 HQ
IMX477 C口
IMX477 CS镜头

常见价格大约 180-450 元。

资料链接：

Raspberry Pi High Quality Camera Product Brief

IMX585

IMX585 是 STARVIS 2 系列里更偏高规格的 4K 低照度型号，1/1.2" 大底，暗光能力比小底 4K 传感器更有优势。

淘宝上也能见到 IMX585 USB、MIPI、天文相机或工业相机形态，但价格通常明显高于 IMX415 和 IMX335。

淘宝关键词：

IMX585 摄像头
IMX585 STARVIS2
IMX585 USB3

常见价格大约 500-2000 元以上。

IMX708

IMX708 是 Raspberry Pi Camera Module 3 使用的 12MP 传感器，支持自动对焦。它在树莓派生态里非常友好，适合不想折腾驱动、但希望比 IMX219 画质和功能更好的项目。

淘宝关键词：

IMX708 树莓派
树莓派 Camera Module 3
IMX708 自动对焦

常见价格大约 150-350 元。

资料链接：

Raspberry Pi Camera Documentation

选型时不要只看 IMX 型号

很多商品标题会写“Sony IMX415 4K 星光夜视”，但真正决定能不能用的，不只是 sensor。

至少要确认这些信息：

接口：MIPI CSI-2、USB UVC、GigE、LVDS 是否符合你的主控
平台：是否明确支持 Raspberry Pi、Jetson、RK3568、RK3588、Windows、Linux
驱动：是否有设备树、内核驱动、寄存器配置、示例代码
输出格式：RAW10、RAW12、YUYV、MJPEG、H.264、H.265
帧率：4K 30fps、4K 60fps、1080p 60fps 是否真实可用
镜头：M12、C/CS、固定焦、自动对焦、视场角、畸变
滤光片：普通 IR-cut、NoIR、自动切换、是否适合红外补光
ISP：是否板载 ISP，是否支持曝光、白平衡、降噪、HDR
供电和发热：4K/USB3.0 模组长时间运行是否稳定

同一个 IMX415，MIPI RAW 小板和 USB 免驱摄像头的使用体验完全不同。前者更适合嵌入式底层开发，后者更适合快速接 PC 或工控机。

淘宝购买建议

买之前建议问清楚这些问题：

是否有对应平台的驱动和配置文件。
是否支持你需要的分辨率和帧率。
是否能提供原始 RAW 输出，还是只能输出压缩视频。
镜头规格是否可更换，是否有畸变参数。
是否支持自动曝光、自动白平衡、HDR、增益控制。
是否有 Linux 下的测试命令或 SDK。
是否能长期供货，而不是一次性库存。

如果是树莓派项目，优先买明确写着支持 Raspberry Pi OS / libcamera 的模组。
如果是 Jetson 项目，优先买明确写着支持 Jetson Nano / Xavier / Orin，并提供设备树和驱动包的模组。
如果是 PC 项目，USB UVC 模组最省事。
如果是工业检测，优先考虑工业相机成品，不要只买便宜裸模组。

最后怎么选

简单总结：

预算最低、资料最多：选 IMX219
树莓派更高画质：选 IMX477 或 IMX708
1080p 暗光监控：选 IMX307
5MP 低照度通用：选 IMX335
小底 4K 安防/工业：选 IMX415
更好的 4K 暗光：选 IMX678
工业全局快门：选 IMX273
手机维修件研究：看 IMX766，但不要指望直接接开发板

真正落地时，不要只看“Sony IMX”这几个字。摄像头模组是 sensor、镜头、ISP、接口、驱动和平台适配的组合。选错任何一环，参数表再漂亮也可能点不亮。

参考资料

二极管怎么选型：通用、快恢复、肖特基、稳压、LED、TVS 一次讲清

Thu, 30 Apr 2026 20:07:49 +0800

二极管看起来只是一个小元件，但选错之后很容易带来奇怪问题。

比如：

低频整流随手用了 1N4007，结果没问题
高频开关电源里还用普通整流管，效率和发热就可能出问题
低压大电流场景没有考虑肖特基，压降白白浪费功耗
接口经常被静电或浪涌打坏，却没有加 TVS

所以二极管选型不能只看“能不能导通”，还要看频率、电流、电压、压降、恢复速度和保护需求。

下面按最常见的 6 类二极管整理一个快速判断思路。

1. 通用二极管

通用二极管是最常见、最便宜的一类二极管。

它适合这些场景：

频率不高
对效率要求不高
对开关速度要求不高
预算比较紧
只需要完成普通单向导通或低频整流

典型例子是 1N4007 这类普通整流二极管。

如果只是 50 Hz 工频整流，或者一些低速、低成本电路，通用二极管通常就够用。
它的优点是便宜、容易买、规格覆盖广；缺点是速度慢，压降和反向恢复特性不适合高频场景。

简单说：低频、便宜、能用就行，优先看通用二极管。

2. 快恢复二极管

快恢复二极管的重点在“恢复速度”。

普通二极管从导通切换到截止时，不会瞬间完全关断，会有反向恢复过程。频率低时问题不明显，但在高频电路里，这个过程会带来损耗、发热和波形问题。

快恢复二极管适合这些场景：

开关电源
电机驱动
逆变器
高频整流
高频高压切换场景

如果电路频率已经明显高于工频，或者二极管处在快速开关路径里，就不要随便拿普通整流管顶上。

简单说：高频、高压、开关动作快，优先看快恢复二极管。

3. 肖特基二极管

肖特基二极管的特点是正向压降低、开关速度快。

普通硅二极管的正向压降常见在 0.7V 左右，而肖特基二极管通常更低。低压大电流场景里，少掉的这部分压降会直接变成少发热、少损耗。

肖特基二极管适合这些场景：

低压电源
大电流整流
DC-DC 转换器输出
需要提高效率的电路
防反接或 OR-ing 电路

它的缺点也要注意：反向漏电流通常更大，耐压往往不如普通高压整流管。
所以不要只看到“压降低”就无脑用，还要检查反向耐压和温度下的漏电。

简单说：低压、大电流、追求效率，优先看肖特基二极管。

4. 稳压二极管

稳压二极管不是主要用来做普通单向导通的，而是用来把电压限制或稳定在一个范围附近。

它常见于这些场景：

提供简单参考电压
给某个节点做钳位保护
限制输入电压范围
简单过压保护
小电流稳压

比如你希望某个信号节点不要超过某个电压，就可以用稳压二极管做钳位。
如果只是需要一个简单参考电压，也可以用稳压二极管配合限流电阻实现。

不过稳压二极管不是万能稳压芯片。它的精度、温漂、噪声和功耗都要考虑。电流变化较大或精度要求高时，应该考虑专门的稳压器或基准源。

简单说：需要稳压、参考电压或节点钳位，优先看稳压二极管。

5. 发光二极管

发光二极管也就是 LED。

它的用途很直接：

指示电源状态
指示信号状态
显示简单信息
做照明或背光

LED 选型时不要只看颜色，还要看：

正向电压
正向电流
亮度
封装尺寸
发光角度
是否需要限流电阻或恒流驱动

很多新手容易忘记限流。LED 不能直接当普通灯泡接电源，通常需要串联限流电阻，或者使用恒流驱动方案。

简单说：需要发光、显示、状态指示，就选 LED，但一定要算限流。

6. TVS 二极管

TVS 二极管可以理解成瞬态高压的“保镖”。

它专门用来对付这些问题：

静电
浪涌
雷击感应
插拔瞬间尖峰
外部接口异常高压

适合放在这些位置：

通信端口
传感器接口
电源入口
按键或外接线接口
容易被人体静电接触的位置

TVS 的重点不是长期稳压，而是在瞬态高压出现时快速导通，把电压钳住，保护后级电路。

选 TVS 时要关注：

工作电压
击穿电压
钳位电压
峰值脉冲功率
电容大小
单向还是双向

高速信号线上还要特别注意 TVS 的结电容。电容太大，会影响信号完整性。

简单说：接口怕静电、浪涌、外部高压冲击，优先看 TVS 二极管。

一个快速选型口诀

可以先按下面这个思路粗选：

低频整流、便宜耐用：通用二极管
高频高压开关：快恢复二极管
低压大电流、追求效率：肖特基二极管
稳压、参考电压、节点钳位：稳压二极管
发光、显示、状态指示：LED
防静电、防浪涌、防突发高压：TVS 二极管

这个口诀不能替代规格书，但能帮助你先把方向选对。

真正落到型号时，还要继续检查：

最大反向电压
平均整流电流
峰值浪涌电流
正向压降
反向恢复时间
反向漏电流
封装和散热能力

最后一句

二极管选型的第一步，不是先背型号，而是先判断它在电路里负责什么任务。

如果只是低频导通，普通二极管就够；如果要高频开关，看快恢复；如果要低压高效率，看肖特基；如果要稳压钳位，看稳压管；如果要发光，看 LED；如果要保护接口，看 TVS。

先按用途分类，再看规格书参数，选型就会清楚很多。

LGA1851 Z990/W980/Q970/Z970/B960/Z890/W880/Q870/B860/H810 主板通道资料

Thu, 30 Apr 2026 00:08:21 +0800

主板的扩展能力，表面上看是 PCIe 插槽、M.2、SATA、USB、网卡、声卡这些接口；往底层拆开，其实就是 CPU 与芯片组各自提供的通道，再由主板厂商分配到不同接口上。

所以看一块主板的规格，不能只看“有几个 M.2”“有几个 USB-C”。更关键的是这些接口来自哪里：是 CPU 直连，还是芯片组转接；是独占通道，还是和别的接口共享；是 PCIe 5.0，还是 PCIe 4.0/3.0；是独立 SATA，还是由芯片组内部资源提供。

这篇把原始表格改写成文字形式，按平台梳理各类芯片组的大致组成。

下文各节的资源数量来自原始表格的通道行统计。Chip Link 只按 CPU 侧一组计数，避免把上行链路翻倍；部分工作表下方的 CPU 变体或示例附表不重复累加。

先理解几个通道来源

一块主板上的通道通常可以分成三类。

第一类是 CPU 直连通道。

这部分延迟低、带宽高，通常用于显卡插槽、第一组 M.2、部分 USB4/Thunderbolt、显示输出，以及 CPU 与芯片组之间的连接。消费级平台的高规格接口，基本都会优先从这里分配。

第二类是芯片组扩展通道。

芯片组通过 DMI、PCIe 或专用链路连接到 CPU，再向外提供更多 PCIe、SATA、USB、网卡、无线网卡、音频、低速控制器等接口。芯片组扩展的接口数量多，但共享上行链路，因此不适合把所有高负载设备都堆在芯片组侧。

第三类是板载控制器转换出来的接口。

比如主板上的 2.5G/10G 网卡、额外 SATA 控制器、USB 扩展芯片、雷电/USB4 控制器、声卡等，往往会占用 PCIe、USB 或其他低速通道。看主板拓扑时，要注意这些控制器背后也要消耗通道。

Intel 消费级平台

Intel 消费级平台通常采用“CPU 直连 + DMI 连接芯片组 + 芯片组扩展 I/O”的结构。

CPU 侧主要承担几件事：

核显显示输出
显卡用 PCIe 通道
CPU 直连 M.2 或高带宽 PCIe 通道
CPU 到芯片组的 DMI 链路

芯片组侧则负责大量外设：

PCIe 4.0/3.0 扩展通道
SATA
USB 2.0、USB 5G、USB 10G、USB 20G
有线网卡、无线网卡、音频、管理控制器等板载设备

LGA1851 / 800 系与未来 900 系

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
Z990	PCIe 5.0 x24、USB4/TBT x2、Display x2	DMI 5.0 x4	PCIe 5.0 x12、PCIe 4.0 x12、USB 10G x10、USB 2.0 x4
W980	PCIe 5.0 x24、USB4/TBT x2、Display x2	DMI 5.0 x4	PCIe 5.0 x12、PCIe 4.0 x12、USB 10G x10、USB 2.0 x4
Q970	PCIe 5.0 x24、USB4/TBT x2、Display x2	DMI 5.0 x4	PCIe 5.0 x8、PCIe 4.0 x12、USB 10G x8、USB 5G x2、USB 2.0 x4
Z970	PCIe 5.0 x20、USB4/TBT x1、Display x3	DMI 5.0 x2	PCIe 4.0 x14、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x4
B960	PCIe 5.0 x20、USB4/TBT x1、Display x3	DMI 5.0 x2	PCIe 4.0 x14、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x4
Z890	PCIe 5.0 x20、PCIe 4.0 x4、USB4/TBT x2、Display x2	DMI 4.0 x8	PCIe 4.0 x24、USB 10G x10、USB 2.0 x4
W880	PCIe 5.0 x20、PCIe 4.0 x4、USB4/TBT x2、Display x2	DMI 4.0 x8	PCIe 4.0 x24、USB 10G x10、USB 2.0 x4
Q870	PCIe 5.0 x20、PCIe 4.0 x4、USB4/TBT x2、Display x2	DMI 4.0 x8	PCIe 4.0 x20、USB 10G x8、USB 5G x2、USB 2.0 x4
B860	PCIe 5.0 x20、USB4/TBT x1、Display x3	DMI 4.0 x4	PCIe 4.0 x14、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x4
H810	PCIe 5.0 x16、USB4/TBT x1、Display x2	DMI 4.0 x4	PCIe 4.0 x8、USB 10G x2、USB 5G x2、USB 2.0 x6、SATA x4

LGA1851 对应的 Z890、W880、Q870、B860、H810 等平台，整体思路是继续把高速核心资源放在 CPU 侧，把大量 I/O 放在芯片组侧。

Z 系列面向高端消费级主板，通常会开放 CPU 超频、内存超频，并支持更灵活的显卡通道拆分。W/Q 系列更偏工作站或商用管理场景，可能更强调 ECC、稳定性、管理能力和板载设备支持。B/H 系列则偏主流或入门，通道数量、拆分能力和超频能力会更保守。

这类平台的组成可以概括为：

CPU 提供显示输出、Thunderbolt/USB4 相关资源、显卡 PCIe 5.0 通道和直连存储通道
芯片组提供额外 PCIe、SATA、USB、网卡、无线网卡与音频资源
高端芯片组的差异主要体现在通道数量、USB 规格、PCIe 版本和可拆分能力上

如果是 Z890 这类高端主板，常见布局是第一根显卡槽和至少一个 M.2 从 CPU 走，其他 M.2、SATA、USB 与板载控制器主要挂在芯片组上。

LGA1700 / 600 与 700 系

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
Z790	PCIe 5.0 x16、PCIe 4.0 x4、Display x4	DMI 4.0 x8	PCIe 4.0 x20、PCIe 3.0 x8、USB 10G x10、USB 2.0 x4
H770	PCIe 5.0 x16、PCIe 4.0 x4、Display x4	DMI 4.0 x8	PCIe 4.0 x16、PCIe 3.0 x8、USB 10G x4、USB 5G x4、USB 2.0 x6
B760	PCIe 4.0 x20、Display x4	DMI 4.0 x4	PCIe 4.0 x10、PCIe 3.0 x4、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x4
Z690	PCIe 5.0 x16、PCIe 4.0 x4、Display x4	DMI 4.0 x8	PCIe 4.0 x12、PCIe 3.0 x16、USB 10G x10、USB 2.0 x4
W680	PCIe 5.0 x16、PCIe 4.0 x4、Display x4	DMI 4.0 x8	PCIe 4.0 x12、PCIe 3.0 x16、USB 10G x10、USB 2.0 x4
Q670	PCIe 5.0 x16、PCIe 4.0 x4、Display x4	DMI 4.0 x8	PCIe 4.0 x12、PCIe 3.0 x12、USB 10G x8、USB 5G x2、USB 2.0 x4
H670	PCIe 5.0 x16、PCIe 4.0 x4、Display x4	DMI 4.0 x8	PCIe 4.0 x12、PCIe 3.0 x12、USB 10G x4、USB 5G x4、USB 2.0 x6
B660	PCIe 4.0 x20、Display x4	DMI 4.0 x4	PCIe 4.0 x6、PCIe 3.0 x8、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x4
H610	PCIe 4.0 x16、Display x3	DMI 4.0 x4	PCIe 3.0 x8、USB 10G x2、USB 5G x2、USB 2.0 x6、SATA x4、GbE x1

LGA1700 覆盖 12/13/14 代酷睿，典型芯片组包括 Z790、H770、B760、H610，以及上一代 Z690、H670、B660、H610。

这一代的主要特点是：

CPU 侧提供显卡 PCIe 5.0 通道
CPU 侧还提供一组常见的 PCIe 4.0 存储通道
芯片组通过 DMI 连接 CPU
高端芯片组拥有更多 PCIe、USB 和 SATA 资源
Z 系列支持 CPU 超频，B/H 系列一般不支持 CPU 超频

Z790/Z690 的芯片组资源更充足，适合多 M.2、多 USB、多扩展卡的主板。B760/B660 更偏主流，通常能满足一张显卡、两到三个 M.2、若干 SATA 和常规 USB。H610 则明显收缩，适合入门级配置。

LGA1700 平台看主板时，重点要看 M.2 的来源。CPU 直连 M.2 通常更适合系统盘或高性能 SSD；芯片组侧 M.2 数量可以很多，但会共享 DMI 上行带宽。

LGA1200 / 400 与 500 系

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
Z590	PCIe 4.0 x20、Display x3	DMI 3.0 x8	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
W580	PCIe 4.0 x20、Display x3	DMI 3.0 x8	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
Q570	PCIe 4.0 x20、Display x3	DMI 3.0 x8	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
H570	PCIe 4.0 x20、Display x3	DMI 3.0 x8	PCIe 3.0 x20、USB 10G x4、USB 5G x4、USB 2.0 x6、SATA x2
B560	PCIe 4.0 x20、Display x3	DMI 3.0 x4	PCIe 3.0 x12、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x6
H510	PCIe 4.0 x16、Display x2	DMI 3.0 x4	PCIe 3.0 x6、USB 5G x4、USB 2.0 x6、SATA x4、GbE x1
Z490	PCIe 3.0 x16、Display x3、N/A (CML CPU) x4	DMI 3.0 x4	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
W480	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
Q470	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
H470	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x20、USB 10G x4、USB 5G x4、USB 2.0 x6、SATA x2
B460	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x12、USB 5G x8、USB 2.0 x4、SATA x6
H410	PCIe 3.0 x16、Display x2	DMI 3.0 x4	PCIe 3.0 x6、USB 5G x4、USB 2.0 x6、SATA x4、GbE x1

LGA1200 覆盖 10/11 代酷睿，典型芯片组包括 Z590、W580、Q570、H570、B560、H510，以及 Z490、H470、B460、H410 等。

这代平台处在 PCIe 3.0 到 PCIe 4.0 的过渡期。11 代酷睿配合 500 系主板时，CPU 侧可以提供 PCIe 4.0；10 代酷睿和 400 系平台则更多停留在 PCIe 3.0。

整体组成是：

CPU 侧提供显卡通道和显示输出
部分组合支持 CPU 直连 PCIe 4.0 存储
芯片组侧提供 PCIe 3.0、SATA、USB 与板载设备资源
Z 系列提供更完整的超频和通道分配能力

这类平台如果用于旧机器升级，最需要注意 CPU 代际和芯片组之间的搭配。并不是所有 LGA1200 主板都能完整发挥 PCIe 4.0，也不是所有 M.2 都来自 CPU。

LGA115X / 更早平台

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
Z390	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
Q370	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x24、USB 10G x6、USB 2.0 x4
H370	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x20、USB 10G x4、USB 5G x4、USB 2.0 x6、SATA x2
B365	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x20、USB 5G x8、USB 2.0 x6、SATA x2
B360	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x12、USB 10G x4、USB 5G x2、USB 2.0 x6、SATA x6
H310	PCIe 3.0 x16、Display x2	DMI 2.0 x4	PCIe 2.0 x6、USB 5G x4、USB 2.0 x6、SATA x4、GbE x1
Z370 / Z270	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x24、USB 5G x6、USB 2.0 x4
Q270	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x24、USB 5G x6、USB 2.0 x4
H270	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x20、USB 5G x8、USB 2.0 x6、SATA x2
Q250	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x14、USB 5G x8、USB 2.0 x6、SATA x4、GbE x1
B250	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x12、USB 5G x6、USB 2.0 x6、SATA x6、GbE x1
Z170	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x20、USB 5G x6、USB 2.0 x4
Q170	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x20、USB 5G x6、USB 2.0 x4
H170	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x16、USB 5G x8、USB 2.0 x6、SATA x2
Q150	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x10、USB 5G x8、USB 2.0 x6、SATA x4
B150	PCIe 3.0 x16、Display x3	DMI 3.0 x4	PCIe 3.0 x8、USB 5G x6、USB 2.0 x6、SATA x6、GbE x1
H110	PCIe 3.0 x16、Display x2	DMI 2.0 x4	PCIe 2.0 x6、USB 5G x4、USB 2.0 x6、SATA x4、GbE x2
Z97 / H97 / Z87 / H87	PCIe 3.0 x16、Display x3	DMI 2.0 x4	PCIe 2.0 x10、USB 5G x4、USB 2.0 x8、SATA x4
B85	PCIe 3.0 x16、Display x3	DMI 2.0 x4	PCIe 2.0 x8、USB 5G x4、USB 2.0 x8、SATA x6
H81	PCIe 2.0 x16、Display x2	DMI 2.0 x4	PCIe 2.0 x6、USB 5G x2、USB 2.0 x8、SATA x4
Z77 / Z75 / H77	PCIe 3.0 x16、Display x3	DMI 2.0 x4	PCIe 2.0 x8、USB 5G x4、USB 2.0 x10、SATA x6
B75	PCIe 3.0 x16、Display x3	DMI 2.0 x4	PCIe 2.0 x8、USB 5G x4、USB 2.0 x8、SATA x6
Z68 / H67	PCIe 2.0 x16、Display x2	DMI 2.0 x4	PCIe 2.0 x8、USB 2.0 x14、SATA x6
P67	PCIe 2.0 x16	DMI 2.0 x4	PCIe 2.0 x8、USB 2.0 x14、SATA x6
B65	PCIe 2.0 x16、Display x2	DMI 2.0 x4	PCIe 2.0 x8、USB 2.0 x12、SATA x6
H61	PCIe 2.0 x16、Display x2	DMI 2.0 x4	PCIe 2.0 x6、USB 2.0 x10、SATA x4
H57	PCIe 2.0 x16、Display x2	DMI 1.0 x4	PCIe 2.0 x8、USB 2.0 x14、SATA x6
P55	PCIe 2.0 x16	DMI 1.0 x4	PCIe 2.0 x8、USB 2.0 x14、SATA x6
H55 / B55	PCIe 2.0 x16、Display x2	DMI 1.0 x4	PCIe 2.0 x6、USB 2.0 x12、SATA x6

LGA115X 涵盖的代际很长，包括 Z390、Q370、H370、B365、B360、H310、Z270、H270、B250、Z170、H170、B150、H110 等。

这些平台的共同特征是：

CPU 侧通常主要提供显卡 PCIe 3.0 通道和显示输出
高速存储、SATA、USB、网卡等大量依赖 PCH 芯片组
芯片组侧 PCIe 多为 PCIe 3.0 或更早规格
不同芯片组之间的差距主要体现在 PCIe 通道数、SATA 数量、USB 数量和是否支持超频

Z 系列适合需要超频和更多扩展的主板；H/B/Q 系列按定位削减。由于年代较早，这些平台的 M.2 和 USB-C 支持经常依赖主板厂商额外设计，不能只看芯片组名称。

Intel HEDT 与工作站平台

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
W790	PCIe 5.0 x112	DMI 4.0 x8	PCIe 4.0 x12、PCIe 3.0 x16、USB 10G x10、USB 2.0 x4
X299	PCIe 3.0 x48	DMI 3.0 x4	PCIe 3.0 x24、USB 5G x6、USB 2.0 x4
X99	PCIe 3.0 x40	DMI 2.0 x4	PCIe 2.0 x8、USB 5G x4、USB 2.0 x8、SATA x8
X79	PCIe 3.0 x40	DMI 2.0 x4	PCIe 2.0 x8、USB 2.0 x14、SATA x6
X58	-	-	PCIe 2.0 x36、USB 2.0 x12、SATA x6、PCIe 1.1 x6

Intel HEDT/工作站平台与消费级平台的最大区别，是 CPU 直连通道数量大幅增加。

W790 这类平台面向 Xeon W，CPU 侧会提供大量 PCIe 5.0 通道，并支持更宽的内存通道、更完整的 ECC/RECC 能力和多扩展卡场景。X299 这类较早 HEDT 平台则以 PCIe 3.0 时代的大量 CPU 直连通道为主。

这类平台的组成逻辑是：

CPU 直接承担显卡、采集卡、阵列卡、高速网卡、多个 M.2/U.2 等高带宽设备
芯片组更多负责 SATA、USB、管理接口和低速外设
平台价值不在“芯片组有多少通道”，而在 CPU 本身提供了多少可直接分配的 PCIe 通道

如果需要多张扩展卡或多块高速 SSD，HEDT/工作站平台比消费级平台更从容，因为它不需要把大量高带宽设备都挤到芯片组上行链路里。

AMD AM5 平台

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
X870E	PCIe 5.0 x20、USB4/TBT x6、USB 10G x2、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x12、PCIe 3.0 x8、USB 10G x12、USB 2.0 x12、Granite Ridge / Raphael x2
X870	PCIe 5.0 x20、USB4/TBT x6、USB 10G x2、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x8、PCIe 3.0 x4、USB 10G x6、USB 2.0 x6、Phoenix x2
B850	PCIe 5.0 x24、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x8、PCIe 3.0 x4、USB 10G x6、USB 2.0 x6、Phoenix2 x2
B840	PCIe 4.0 x24、USB 10G x4、USB 2.0 x1、Display x1	PCIe 3.0 x4	PCIe 3.0 x10、USB 10G x2、USB 5G x2、USB 2.0 x6、SATA x4
X670E	PCIe 5.0 x24、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x12、PCIe 3.0 x8、USB 10G x12、USB 2.0 x12
X670	PCIe 5.0 x8、PCIe 4.0 x16、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x12、PCIe 3.0 x8、USB 10G x12、USB 2.0 x12
B650E	PCIe 5.0 x24、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x8、PCIe 3.0 x4、USB 10G x6、USB 2.0 x6
B650	PCIe 5.0 x4、PCIe 4.0 x20、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x8、PCIe 3.0 x4、USB 10G x6、USB 2.0 x6
A620	PCIe 4.0 x24、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 3.0 x8、USB 10G x2、USB 5G x2、USB 2.0 x6
A620A	PCIe 4.0 x24、USB 10G x4、USB 2.0 x1、Display x1	PCIe 3.0 x4	PCIe 3.0 x8、USB 10G x2、USB 5G x2、USB 2.0 x6
PRO 665	PCIe 5.0 x4、PCIe 4.0 x20、USB 10G x4、USB 2.0 x1、Display x1	PCIe 4.0 x4	PCIe 4.0 x8、PCIe 3.0 x4、USB 10G x6、USB 2.0 x6
PRO 600	PCIe 4.0 x28、USB 10G x4、USB 2.0 x1、Display x1	-	-

AMD AM5 的典型芯片组包括 X870E、X870、B850、B840，以及上一代 X670E、X670、B650E、B650、A620。

AM5 的组成有几个明显特点：

CPU 侧提供显卡 PCIe 通道
CPU 侧提供高速 M.2 通道
CPU 侧还集成部分 USB、显示输出和芯片组连接资源
高端 E 后缀平台强调 PCIe 5.0 显卡或存储支持
芯片组负责继续扩展 PCIe、SATA、USB 和板载设备

X870E/X670E 这类高端平台通常拥有更多高速资源，更适合多 M.2、多 USB4/USB-C 和高端显卡配置。X870/X670 会保留较强扩展能力，但在 PCIe 5.0 分配上可能更克制。B850/B650 面向主流装机，常见组合是一根显卡槽、一个或多个 M.2，加上芯片组侧扩展接口。A620/B840 则偏入门，通道和超频能力都会收缩。

AM5 平台看主板时，最重要的是分清 PCIe 5.0 到底给了谁：显卡槽、M.2，还是两者都有。相同芯片组名称下，主板厂商的分配也会有差异。

AMD AM4 平台

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
X570(S)	PCIe 4.0 x20、USB 10G x4、Display x4	PCIe 4.0 x4	PCIe 4.0 x16、USB 10G x8、USB 2.0 x4、SATA x4
B550	PCIe 4.0 x20、USB 10G x4、Display x4	PCIe 3.0 x4	PCIe 3.0 x10、USB 10G x2、USB 5G x2、USB 2.0 x6、SATA x4
A520	PCIe 3.0 x20、USB 10G x4、Display x4	PCIe 3.0 x4	PCIe 3.0 x6、USB 10G x1、USB 5G x2、USB 2.0 x6、SATA x2
X470 / X370	PCIe 3.0 x20、USB 5G x4、Display x4	PCIe 3.0 x4	PCIe 3.0 x4、PCIe 2.0 x8、USB 10G x2、USB 5G x6、USB 2.0 x6、SATA x4
B450 / B350	PCIe 3.0 x20、USB 5G x4、Display x4	PCIe 3.0 x4	PCIe 3.0 x2、PCIe 2.0 x6、USB 10G x2、USB 5G x2、USB 2.0 x6、SATA x2
A320	PCIe 3.0 x20、USB 5G x4、Display x4	PCIe 3.0 x4	PCIe 2.0 x4、USB 10G x1、USB 5G x2、USB 2.0 x6、SATA x4

AM4 覆盖时间很长，典型芯片组包括 X570/X570S、B550、A520，以及更早的 X470、B450、X370、B350、A320 等。

AM4 的组成可以这样理解：

CPU 提供显卡通道、部分 USB、显示输出和直连存储通道
X570 是扩展能力最强的一代，芯片组侧也具备更高规格的 PCIe 资源
B550 的 CPU 侧可以有 PCIe 4.0，但芯片组侧通常更偏 PCIe 3.0 扩展
A520/A320 这类入门芯片组主要满足基本 PCIe、SATA、USB 需求

AM4 平台的差异很大，同样是 AM4，X570 高端主板和 A320 入门主板的扩展能力完全不是一个级别。看老平台时，除了芯片组，还要看 CPU 是否带核显、主板 BIOS 是否支持目标 CPU，以及 M.2/PCIe 的实际分配。

AMD Threadripper 平台

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
X399	PCIe 3.0 x60、USB 5G x8	PCIe 3.0 x4	PCIe 3.0 x4、PCIe 2.0 x8、USB 10G x2、USB 5G x6、USB 2.0 x6、SATA x4
TRX40	PCIe 4.0 x56、USB 10G x4	PCIe 4.0 x8	PCIe 4.0 x16、USB 10G x8、USB 2.0 x4、SATA x4
WRX80	PCIe 4.0 x120、USB 10G x4	PCIe 4.0 x8	PCIe 4.0 x16、USB 10G x8、USB 2.0 x4、SATA x4
TRX50	PCIe 5.0 x48、PCIe 4.0 x28、USB 10G x4	PCIe 4.0 x4	PCIe 4.0 x8、USB 20G x1、USB 10G x4、USB 2.0 x6、SATA x4
WRX90	PCIe 5.0 x124、PCIe 3.0 x8、USB 10G x4	PCIe 4.0 x4	PCIe 4.0 x8、USB 20G x1、USB 10G x4、USB 2.0 x6、SATA x4

Threadripper 平台包括 X399、TRX40、WRX80、TRX50、WRX90 等不同阶段。

它与 AM4/AM5 最大的不同，是 CPU 直连资源极多。早期 X399 已经面向多显卡、多 NVMe、多扩展卡；TRX40 之后继续强化 PCIe 4.0；WRX80/WRX90 则更偏工作站，支持更多内存通道、ECC/RECC 和大量专业扩展。

这类平台的组成大致是：

CPU 提供大量 PCIe 通道，直接连接显卡、SSD、网卡、采集卡和专业控制器
芯片组负责 USB、SATA、低速 I/O 和部分补充扩展
高端工作站型号更重视内存通道、ECC、管理能力和多设备并行

Threadripper 主板的关键不是“能不能插很多设备”，而是这些设备如何分组、哪些槽位共享、哪些 M.2/U.2 走 CPU、哪些控制器走芯片组。

AMD EPYC 平台

资源数量速查

芯片组/平台	CPU 侧主要资源	上行/互联	芯片组侧主要资源
7001	PCIe 3.0 x128、USB 5G x4	-	-
7002	PCIe 4.0 x128、PCIe 2.0 x2、USB 5G x4	-	-
7003	PCIe 4.0 x128、PCIe 2.0 x2、USB 10G x4	-	-
4004 / 4005	PCIe 5.0 x28、USB 10G x4、USB 2.0 x1、Display x1	-	4004 / 4005 with Chipset x2
8004	PCIe 5.0 x96、PCIe 3.0 x8、USB 5G x4	-	-
9004	PCIe 5.0 x128、PCIe 3.0 x8、USB 5G x4	-	-
9005	PCIe 5.0 x128、PCIe 3.0 x8、USB 5G x4	-	-
7001 2P	PCIe 3.0 x64、USB 5G x4、Infinity Fabric x64	-	-
7001 2P	1 x4、10 x4、11 x4、12 x4、13 x4、14 x4、15 x4、16 x4、17 x4、18 x4、19 x4、2 x4、20 x4、21 x4、22 x4、23 x4、24 x4、25 x4、26 x4、27 x4、28 x4、29 x4、3 x4、30 x4、31 x4、32 x4、33 x4、4 x4、5 x4、6 x4、7 x4、8 x4、9 x4	-	34 x2
7002 2P	PCIe 4.0 x80、PCIe 2.0 x2、USB 5G x4、Infinity Fabric x48	-	-
7002 2P	1 x4、10 x4、11 x4、12 x4、13 x4、14 x4、15 x4、16 x4、17 x4、18 x4、19 x4、2 x4、20 x4、21 x4、22 x4、23 x4、24 x4、25 x4、26 x4、27 x4、28 x4、29 x4、3 x4、30 x4、31 x4、32 x4、33 x4、34 x2、4 x4、5 x4、6 x4、7 x4、8 x4、9 x4	-	-
7003 2P	PCIe 4.0 x80、PCIe 2.0 x2、USB 10G x4、Infinity Fabric x48	-	-
7003 2P	1 x4、10 x4、11 x4、12 x4、13 x4、14 x4、15 x4、16 x4、17 x4、18 x4、19 x4、2 x4、20 x4、21 x4、22 x4、23 x4、24 x4、25 x4、26 x4、27 x4、28 x4、29 x4、3 x4、30 x4、31 x4、32 x4、33 x4、34 x2、4 x4、5 x4、6 x4、7 x4、8 x4、9 x4	-	34 x2、35 x4
9004 2P	PCIe 5.0 x80、PCIe 3.0 x8、USB 5G x4、Infinity Fabric x48	-	-
9004 2P	1 x4、10 x4、11 x4、12 x4、13 x4、14 x4、15 x4、16 x4、17 x4、18 x4、19 x4、2 x4、20 x4、21 x4、22 x4、23 x4、24 x4、25 x4、26 x4、27 x4、28 x4、29 x4、3 x4、30 x4、31 x4、32 x4、33 x4、34 x4、35 x4、4 x4、5 x4、6 x4、7 x4、8 x4、9 x4	-	-
9005 2P	PCIe 5.0 x80、PCIe 3.0 x8、USB 5G x4、Infinity Fabric x48	-	-

EPYC 平台分为单路和双路，表格中包括 7001、7002、7003、9004、9005 等代际。

EPYC 的组成与消费级平台完全不同。它不是围绕“芯片组扩展一堆外设”设计，而是围绕服务器 CPU 的大量 I/O 资源设计。

单路 EPYC 平台通常具备：

大量 CPU 直连 PCIe 通道
多组 PCIe 根复合体或分组资源
面向网卡、NVMe、GPU、加速卡、阵列卡的直接连接能力
较少依赖传统消费级 PCH

双路 EPYC 平台还会加入 CPU 与 CPU 之间的 Infinity Fabric 互联。部分通道需要用于双路互联，因此并不是所有物理通道都能像单路那样自由分配给外设。

双路平台要重点看：

每颗 CPU 各自负责哪些 PCIe 插槽和设备
哪些通道用于 CPU 间互联
外设是否跨 CPU 访问
主板如何分配 NVMe、网卡和加速卡资源

服务器平台的通道配置更像系统拓扑图，而不是普通主板规格表。对于存储服务器、GPU 服务器、虚拟化主机来说，这些分配会直接影响带宽、延迟和 NUMA 访问路径。

横向通道图怎么看

原始表格里还有 Intel 700 系和 AMD 800 系的横向通道图，这类图的作用是把“抽象的通道数”变成“每条通道具体用途”。

横向图一般可以这样读：

先看 CPU 与芯片组之间的连接，比如 DMI 或 PCIe 链路
再看 CPU 侧 PCIe 通道如何分给显卡、M.2 或 USB4
然后看芯片组侧 PCIe、SATA、USB、网卡、无线网卡等资源如何排列
最后看哪些通道存在复用或降级关系

这类图比普通规格表更直观，因为它能说明“这个接口出现时，那个接口为什么会少一个”。

选主板时应该关注什么

看芯片组通道配置，最终还是为了判断主板是否适合自己的设备组合。

如果是普通游戏或办公主机，重点看显卡槽、一个高速 M.2、足够 USB 和网络接口即可。B 系列或中端芯片组通常已经够用。

如果是多 SSD、多扩展卡、采集卡、10G 网卡或外置高速设备，应该重点看 CPU 直连通道数量、芯片组上行带宽、M.2 与 PCIe 插槽是否共享。

如果是工作站或服务器，则要优先看 CPU 直连 PCIe 数量、内存通道、ECC 支持、NUMA 拓扑、双路互联和主板插槽分配，而不是只看芯片组名称。

最后一句

芯片组不是孤立的一颗芯片，而是一套 I/O 分配方案。

消费级平台的重点，是 CPU 直连高速设备，芯片组补足日常 I/O；HEDT 和工作站平台的重点，是 CPU 本身提供大量直连通道；服务器平台的重点，则是把 PCIe、内存和 CPU 间互联作为整体拓扑来设计。

所以，判断一块主板的扩展能力，不能只看接口数量。更应该看这些接口来自 CPU 还是芯片组，是否共享通道，以及在满载设备时会不会互相影响。

硬件资料 on KnightLi的博客

笔记本 RTX 4060 8GB 适合跑哪些本地 AI 模型

先看显存预算

LLM：优先 3B-8B 量化模型

全能轻量：Gemma 4 E4B

推理与长文本：DeepSeek R1 Distill 7B/8B、Qwen 3 8B

代码辅助：Qwen 2.5 Coder 3B/7B

图像生成：SDXL 稳，FLUX 要量化

SD 1.5 和 SDXL

FLUX.1 schnell

多模态和效率工具

Whisper large-v3

CLIP / ViT 图像索引

推荐组合

避坑指南

我的建议

参考资料

AMD ROCm 7.2 + ComfyUI 兼容性配置：Windows 上的 CUDA 平替怎么用

ROCm 7.2 系列带来了什么

哪些硬件更适合

Windows 下推荐路线

Linux 仍然更适合重度用户

ComfyUI 插件兼容要谨慎

AMD 显卡跑 AI 绘图的优势

仍然要接受的限制

推荐配置思路

小结

参考资料

RTX 5090 / 5080 AI 推理性能实测：本地大模型、4K 视频生成和实时 3D 怎么选

先看硬件差距

本地大模型：32GB 显存更关键

FP4 是潜力，不是所有应用的即插即用加速

图像生成和 4K 视频：带宽与显存一起决定体验

实时 3D 和 AI 建模：RTX 5090 更适合重场景

该怎么选

小结

参考资料

铁威马 F2-220 安装飞牛 OS：F3 背板、NVMe 与 BIOS 模块注入

打板和焊接

接 VGA 输出

安装飞牛 OS

备份 BIOS

注入 NVMe 模块

刷写新 BIOS

结果

注意事项

相关链接

铁威马 F2-221 NAS 背板 pinout 记录

结论

背板连接器 pinout

信号来源判断

PCIe 差分对判断

可用性验证

注意事项

相关链接

详解 PCIe 通道拆分 bifurcation 的各种方式

PCIe Lane 是什么

bifurcation 在什么时候发生

方式一：Hard Strap

方式二：Soft Strap

方式三：Wait For BIOS

常见拆分组合

bifurcation 和 PCIe Switch 的区别

选购和排查建议

小结

Sony IMX 摄像头模组选型：IMX335、IMX678、IMX415、IMX219、IMX273、IMX766、IMX307 参数、资料和淘宝价格参考

先看结论

常见型号参数表

IMX219：树莓派生态里最常见的入门型号

IMX307：1080p 星光夜视老将

IMX335：5MP 低照度和安防项目常用

IMX415：小尺寸 4K 安防和工业视频常用

IMX678：STARVIS 2 时代的 4K 低照度热门型号

IMX273：工业机器视觉更关心全局快门

IMX766：手机主摄传感器，不适合作为普通开发板入门

其他淘宝常见 Sony IMX 型号

IMX290

IMX462

IMX477

IMX585