當你的顯卡在虛擬機裡消失了：一次技術偵探之旅

這是一個關於 RTX 4070 Ti Super、Proxmox VE、還有一條看起來很無辜的 PCIe 延長線的故事。更準確地說，這是一個關於「為什麼我的顯卡會在虛擬機裡憑空消失」的謎案。

故事開始於 9/11 的晚上。我在 Microsoft Flight Simulator 裡飛了大約一小時，按下 ESC 準備去倒杯水。回來的時候，螢幕黑了。不是當機那種黑，是那種「什麼都沒了」的黑。

我切到 Proxmox 宿主端，輸入 lspci -s 01:00.0。空白。什麼都沒有。一張價值兩萬八的顯卡，就這樣從 PCI 裝置樹上人間蒸發了。

這不是第一次了。從 9/11 開始，每次飛行超過六十分鐘，進入暫停選單後就會發生同樣的事。journalctl -k 裡只留下一行冰冷的訊息：

vfio-pci 0000:01:00.1: Unable to change power state from D3cold to D0, device inaccessible

D3cold。這個詞在接下來的日子裡會變成我的噩夢。它是 PCIe 裝置的最深層睡眠狀態，理論上應該能被喚醒。但我的顯卡顯然不這麼想。

我開始做功課。BIOS 裡關掉 ASPM，在 GRUB 加上 pcie_aspm=off pcie_port_pm=off，把 d3cold_allowed 設成 0，停用所有可能讓顯卡睡著的東西。測試。失敗。再測試。再失敗。

然後我注意到一個細節：在裸機 Windows 的時候，HDMI 偶爾會閃一下。當時我以為是螢幕問題，沒多想。現在回頭看，那是第一個線索。

我開始懷疑 PCIe Riser。Lian Li Q58 是個夾層結構的 ITX 機殼，顯卡必須透過一條 200mm 的延長線才能裝進去。這條線看起來很普通，就是隨機殼附送的那種。但 Gen4 訊號對線材品質要求很嚴格，會不會是它的問題？

我跑了 3DMark Time Spy Stress Test。Gen4 模式下，穩定度只有 88.7%。標準是 97%。

好吧，降到 Gen3 試試。93.2%。有改善，但還是不合格。

這時候理論開始成形：PCIe 訊號品質不足 → 長時間運作後累積錯誤 → 電源狀態切換時無法正常 re-training → VFIO 放棄治療 → 顯卡消失。

聽起來很合理對吧？我也這麼想。所以我開始研究要換哪條高品質的延長線，或者乾脆換個支援水平安裝顯卡的大機殼。

10/5，我帶著電腦去了光華商場。第一站是原價屋。他們花了半小時測試：裸機 Windows，舊的 Riser，跑 CS2。一切正常。這證明顯卡本體沒問題，但也讓謎團更深了。

我又去了另一家店，想測試一條 Lian Li 出的高階延長線 PW-PCI-520。店員拆開機殼，試著裝上去。「裝不進去，」他說，「角度不對。」

好吧，那就算了。我拿回電腦，回家。

到家後，按下電源鈕。沒反應。完全沒有過電的跡象。

這下糟了。

10/6 一早，我又回到原價屋。工程部的人打開機殼，檢查了不到五分鐘。

「你的電源開關在 OFF，」他說。

原來那家店在測試時把機殼內部的電源開關撥到了 OFF，還回去的時候忘了撥回來。虛驚一場，但也讓我對那家店的專業度打了個大問號。

不過意外的是，這次拆裝之後，問題似乎... 改善了？

10/6 晚上我測試了六十九分鐘，暫停兩次，都正常。這是從 9/11 以來第一次突破六十分鐘大關。我不敢太樂觀，畢竟之前也有過「以為好了結果又復發」的經驗。

今天，10/19，我飛了整整四個小時。

中間暫停過、恢復過、切換過視角、調整過設定。顯卡穩穩地待在 lspci 的輸出裡，沒有消失，沒有錯誤，沒有任何異常。

四個小時。比之前的記錄多了快四倍。

我終於明白發生了什麼：不是 Riser 壞了，不是訊號品質不足，不是需要降到 Gen3，也不是要換機殼。

只是接觸不良。

那條延長線在機殼裡躺了一段時間，金手指上可能累積了些微的氧化或灰塵。這些微小的污染在一般使用下沒問題，但在長時間高負載後，阻抗增加，訊號品質下降，再遇上電源狀態切換的關鍵時刻，就會失敗。

原價屋的測試、那家店的拆裝，意外地多次插拔了這條線。摩擦帶走了氧化層，清除了灰塵，接觸品質改善了。問題就這樣被「意外」解決了。

回顧 9/11 到 10/19 這一個多月的診斷過程，我學到了一些教訓：

首先，複雜的症狀不一定需要複雜的解決方案。當我看到 D3cold、vfio-pci reset、PCIe link retraining 這些技術細節時，很容易陷入「這一定是個深層的技術問題」的思維。但有時候，答案就是「擦乾淨重新插」這麼簡單。

其次，測試環境的差異很重要。10/5 在原價屋測試正常，但我家裡會失敗，這個線索我當時沒有深究。現在想想，測試時的拆裝就已經在改善接觸了，只是效果還不夠持久。

第三，保養比升級重要。與其花三千塊換新機殼或買高階延長線，不如每半年打開機殼，用氣罐吹個灰塵，重新插拔一次所有接頭。預防勝於治療。

最後，技術問題的解決有時候需要點運氣。如果 10/5 那天我沒去第二家店，沒有經歷那次「電源開關事件」，可能就不會有那麼多次的拆裝，接觸也不會改善，我可能還在跟這個問題搏鬥。

現在我的 Proxmox 設定檔裡還保留著那些核心參數：pcie_aspm=off、d3cold_allowed=0。它們可能沒什麼作用，但我決定留著。就當作是 9/11 到 10/19 這段搏鬥的紀念碑吧。

如果你也遇到類似的 GPU passthrough 問題，在深入研究 VFIO 驅動程式碼或考慮換硬體之前，試試這個最簡單的步驟：

把顯卡拔下來，用乾淨的橡皮擦輕輕擦拭金手指，用氣罐吹掉灰塵，然後重新插回去。

有時候，答案就是這麼簡單。

技術規格記錄（給需要的人）：

最終有效的 GRUB 參數（雖然可能不是關鍵）：

GRUB_CMDLINE_LINUX_DEFAULT="quiet amd_iommu=on iommu=pt pcie_aspm=off pcie_port_pm=off"

真正的解決方案：重新插拔 PCIe Riser，改善接觸品質。成本：$0。