给 2017 年的 X299 换上 i9-10980XE

01为什么要换

这台机器是一台 24 小时开着的家用服务器：上面同时挂着几十个 AI 编程会话，还有一条视频处理流水线在跑，要转码、逐帧比对画面、做语音转写。原来的 CPU 是 i7-7800X，6 核 12 线程。

11 月 2 日晚上我觉得机器明显变慢了，让 Claude 量了一下。结果很直接：

• 12 个线程上，系统负载在 23 到 32 之间，相当于排队等 CPU 的任务是线程数的两三倍。
• 最近 5 分钟里，有 44% 的时间有任务在等 CPU，CPU 空闲只有 5% 到 7%。
• 满载时 CPU 87°C，好在一直没降过频。

吃 CPU 的大头是视频批处理。几十个 AI 会话加起来还不到一个核，它们主要在等网络回话，不怎么算东西。

02两条路：同平台升级，还是换新平台

主板是 ROG Rampage VI Extreme（LGA2066，X299）。这块板子能上的最强 CPU 是 i9-10980XE。另一条路是直接换新平台。下面的跑分取自 cpubenchmark.net（2026 年 11 月 3 日的对比页）：

10980XE 多线程是原来的 2.5 倍，单线程只快 12%。新平台多线程约 5 倍、单线程约 2 倍，但主板和内存全要换。我的瓶颈是很多任务一起跑，多线程最要紧，所以选了 10980XE：只花一颗二手 CPU 的钱，其他全部留用。

单线程只快 12% 这一条，我当时没太在意。后面第 06 节会看到，它决定了单个视频为什么没变快。

03先过 BIOS 这一关

原来的 BIOS 还是 1004 版（2017 年 12 月），认不了 10980XE。ASUS 从 2002 版起才支持这一代 CPU。如果不先刷 BIOS，新 CPU 装上去根本点不亮。

麻烦的是我这台机器只有 Ubuntu，没有 Windows，而 ASUS 的很多工具只有 Windows 版。好在这块板子有 USB BIOS Flashback：主板通着电、不开机，甚至不装 CPU，插上 U 盘按一个键就能刷。具体做法：

1. 从 ASUS 官网下最新的 BIOS（当时是 4401，2026 年 9 月发布），核对官网公布的 SHA-256。
2. 按说明书把文件改名成 R6E.CAP，放在 FAT32 格式 U 盘的根目录。ASUS 提供的改名工具 BIOSRenamer 是 Windows 程序，手动改名效果一样。
3. 正常关机，电源线别拔，U 盘插到后面板标着 BIOS 的那个 USB 口，按住 Flashback 键 3 秒，灯开始闪就松手，等灯灭。

我特意先用旧 CPU 开机进一次 BIOS，确认版本已经是 4401，再关机换硬件。这样万一后面点不亮，能分清是 BIOS 的问题还是硬件的问题。

还有一个 Intel ME 固件的问题。ASUS 建议新版 BIOS 配新版 ME 固件，可是 ME 的升级工具也只有 Windows 版。我决定不升，结果直接用新 BIOS 也完全正常。

04内存加到 128G，以及那一滴水

换 CPU 之前，Claude 算了一笔账：18 核以后，我准备让批处理用 30 个线程。按我们最近 300 多个批处理任务的实际用量，平均每个线程要 1.6G 内存，30 个线程就要约 47G；再加上常驻的会话和服务，原来的 64G 会先到顶。所以我又买了两套 2×16G，凑成 8 根 128G。

代价是：每个内存通道插两根，频率跑不到官方的 2933。这 8 根还来自三套不同批次的条子，混插本来就不保证稳。最后在 BIOS 里开 XMP，频率手动设在 2666。

第一次开机只认出了 93G。查下来是 C 通道的两根没认上。我想起装机时往那附近滴过一滴水，于是拔下来吹干、用酒精擦了金手指、重新插紧。第二次开机，8 根全认上了，系统里显示 125G 可用，剩下那点是系统和显卡预留的。

05开机后的设置和满载测试

BIOS 里我做了这几件事：

• 关掉 ASUS 的 MultiCore Enhancement。华硕主板默认会放开功耗上限，让 CPU 一直跑高频。我要的是 24 小时稳定，所以改回 Intel 原厂的功耗墙：长时间 165W，短时最高 198W。系统里读到的值正是这两个数，说明设置生效了。
• 内存开 XMP，频率 2666。
• 确认开机第一项还是 Ubuntu，停电后来电自动开机。

回到 Ubuntu 后，我们核对了一遍：36 个线程都在；两张 1080 Ti 都跑在 x16。原来 7800X 的 PCIe 通道不够，第一张卡只能跑 x8，这次也顺带解决了。

然后做满载测试：同时开 4 路 x264 编码，把平均负载压到 22 左右，每秒记一次温度。结果 CPU 封装最高 72°C，平均 68.8°C，降频 0 次。功耗更高的 18 核，反而比原来的 6 核满载时凉快 15 度。原因是功耗墙按原厂设置，没让主板自作主张地超频。

两个小坑

• 网卡改名了。换 CPU 后板载网卡的名字从 enp0s31f6 变成了 eno1。幸好换之前把 Wi-Fi 连接跟网卡名解了绑，不然开机后可能连不上网，远程也就进不去了。
• 别忘了改自己设的限制。我原来给批处理设过一个上限，最多用 10 个核（systemd 的 CPUQuota=1000%）。不改的话，换了 18 核也白换。换完改成 3000%，也就是 36 个线程里给批处理 30 个，留 6 个给交互会话。

06换完到底快了多少

这是我最关心的，也是最出乎意料的一部分。

多任务并行：快了一大截

换完第二天半夜，一个会话一次交了 22 个任务，让机器把一门课 22 讲的视频各从头读一遍，找出每次翻幻灯片的时刻。这批活从 0:14 跑到 0:37，CPU 一共干了大约 11 个小时的单核活，只用了 23 分钟，最忙的十分钟 CPU 占到 87%。换机前批处理最多只能用 10 个核，同样的活要一个多小时。

平均下来，换机前一天，12 个线程平均有 8.8 个在忙，负载 16.8，确实不够用。换机后，36 个线程平均 9.9 个在忙，平时绰绰有余，只有这种整批并行的活才会冲上去。

单个视频：几乎没变快

可是换完那天做的一讲视频，耗时跟以前差不多。我当时的第一反应是「新 CPU 完全没用上」。Claude 把那一讲的每一步拆开量了一遍：

• 整讲的大头在准备阶段，2275 秒；最后渲染只要 828 秒。
• 准备阶段里最慢的两步，一步 829 秒，一步 611 秒，都是单线程，一次只能用一个核。核再多，它们也只用一个。
• 而单线程性能，10980XE 只比 7800X 快 12%。

另外还查出一个跟硬件无关的问题：有几讲的配置文件里漏写了「用显卡编码、解码」这两行，视频编解码一直在用 CPU 做。配置文件是照着模板抄的，抄漏了。补回去以后，这几步改由显卡来做。

结论：多核只对「很多任务一起跑」有用。单个任务要变快，得先找到它最慢的那几步，再看能不能拆成多段并行、能不能交给显卡、或者没变的输入直接用上次的结果。这几处后来都改了。

那用显卡读视频是不是更好？

我也问过：翻页检测那批活，能不能交给显卡做？我们拿一讲视频的前 5 分钟实测了一下：

显卡解码只占用五分之一的 CPU，但单路慢一倍；两张卡一起跑，一秒最多也就 1000 帧左右。整批 22 讲算下来，CPU 要 23 分钟，显卡要 70 分钟左右。所以 CPU 有空时用 CPU，CPU 被别的活占着时才换显卡。小插曲：Homebrew 装的 ffmpeg 不带 CUDA 支持，要用系统自带的那个才能调显卡。

07给机器装上监控，每天一份硬件日报

换完以后，我让 Claude 给机器装了监控，每天早上 7:30 往我的 Telegram 发一份硬件日报。做法很简单，全部不需要 root 权限：

• 每分钟采样一次：CPU 温度、有没有降频、各个显卡的占用和温度、内存、硬盘温度，以及「谁在用 CPU」（按 systemd 的 cgroup 分：后台重活、AI 会话、其他程序）。
• 每天早上读前一天的 sysstat 记录、采样、硬盘自检结果和内核日志，写成几行大白话。只有不正常的才列在最前面。

顺便给三块硬盘做了一次体检。系统盘是一块 960 EVO 500G，用了 4% 的寿命，累计写入 31.2TB，没有错误；另外两块 SATA 盘也都健康。

08换完第二天，死机了一次

11 月 8 日早上，所有会话突然都断了。我走到机器前，屏幕停在命令行，上面有几行 Memory cgroup out of memory: Killed process。我的第一反应是内存满了、把整台机器拖死了。

Claude 查完以后告诉我，不是这样：

• 系统日志在 6:50:22 戛然而止，没有关机记录，也没有任何报错。
• 每分钟的监控记到 6:50:01，那一刻内存只用了 23G（共 126G），交换区一点没用，CPU 66°C，没降频，两张显卡都闲着。
• 屏幕上那几行，是两个后台任务各自超了我给它们设的内存上限，被系统单独停掉了，最近的一次也比死机早了整整两个小时。如果是整台机器内存不够，内核会打出另一种报错，屏幕上和日志里都没有。

所以这是一次「什么痕迹都没留下」的整机卡死。这种情况多半是硬件不稳，嫌疑在刚换的 CPU 和那 8 根混插的内存上。旧 CPU 上一次这样死机，已经是两个月以前的事。

按说应该跑一遍内存检测（memtest86+），但 128G 跑一遍要好几个小时，机器这段时间什么都干不了。我决定先不跑：再死机就先把内存从 2666 降到 2400；降完还死，再仔细查。降一档内存频率，最高读写速度少约 10%，平时干活基本感觉不到。

让它卡死了也能自己爬起来：看门狗

那次死机，机器从 6:50 一直卡到我 10:28 发现。为什么不会自动重启？因为没开看门狗。

看门狗是主板芯片组里的一个独立倒计时器，有自己的时钟，不靠 CPU。系统正常时每半分钟去把它拨回 60 秒；整机卡死了没人去拨，它数到零就直接通过硬件重启机器，跟按机箱上的重启键走的是同一根线。Intel 芯片组都带这个功能（iTCO_wdt），只是 Ubuntu 默认把它的驱动禁用了。打开只要三步：

# 1. 开机自动加载驱动
echo iTCO_wdt | sudo tee /etc/modules-load.d/itco-watchdog.conf
# 2. 让 systemd 喂狗：卡住 60 秒自动重启，关机卡住 10 分钟强制重启
sudo mkdir -p /etc/systemd/system.conf.d
printf '[Manager]\nRuntimeWatchdogSec=60s\nRebootWatchdogSec=10min\n' | sudo tee /etc/systemd/system.conf.d/watchdog.conf
# 3. 内核崩溃 10 秒后重启，不要停在崩溃画面上
echo 'kernel.panic = 10' | sudo tee /etc/sysctl.d/60-panic-reboot.conf
sudo sysctl -p /etc/sysctl.d/60-panic-reboot.conf && sudo systemctl daemon-reexec

有的主板会在 BIOS 里把看门狗锁住，所以先 sudo modprobe iTCO_wdt 看驱动能不能正常加载。我这块能。看门狗不治病，只是让机器尽快恢复干活。为了不让死机悄悄过去，日报也加了一项：发现上一次开机没有正常关机，就单独报出来。

那天还有一个小插曲：重新开机后，每周的显卡驱动升级任务补跑了，升级完要重启，偏偏又赶上每天的备份任务也在补跑，重启硬是等了 30 分钟才强制完成。现在有了「重启卡住 10 分钟就强制重启」这一条，以后最多等 10 分钟。

09系统盘快满了

又过了一天，日报提醒系统盘用了 87%：一共 213G，只剩 27G，而且两天涨了 20G。查下来，最大的一块是 AI 会话派出去的子任务留下的完整对话记录，一共 36.5G，看图多的活每个都很大，这几天每天新增约 4G。

处理分三步：

1. 删已经备份过的旧记录。这些记录每晚已经压缩存到数据盘，再传到云上。我们逐个核对备份账本：文件编号对得上、一个字节不差地存进去了、数据盘上确实有那一份，三条全满足才删。这次删掉 17.2G。
2. 以后每晚自动清。超过 31 天、已经完整备份的记录，每晚自动删。保留 31 天而不是 7 天，是因为有两个用量统计要往回看 30 天。
3. 把会话记录搬到同一块盘的另一个分区。这块 500G 的固态盘早年分成了两个分区，另一个 249G 的分区几乎空着。我们把整个会话记录目录拷过去，再用 bind mount 挂回原来的路径。对所有程序来说路径没变，Git 也照常工作。

第 3 步要先把所有会话停下来，不然正在写的记录会出错。为此 Claude 写了一个脚本：先给 41 个在跑的会话拍一张清单，停掉会话管理器，等所有进程退出、确认没人在写；最后补拷一次，逐字节比对；把原目录改名留底，挂上新位置，写进 fstab；再把会话管理器起来，逐个对照清单，确认每个会话都接回来了，账号、网页连接、名字都没变。中间任何一步出错就自动退回原样。实际跑下来，从停到 41 个会话全部接回，一共 56 秒。

有一个坑差点踩上：备份脚本是按文件的 inode 编号记账的。搬了家，编号全变了，如果不改账本，当晚的备份会把 26G 当成新文件整份重存一遍。所以脚本在搬家时顺手把账本里 3368 个文件的编号改成了新位置的。

10回头看

• 先量清楚瓶颈在哪，再决定花钱。这次换 CPU 对「很多任务一起跑」确实有用；但我最在意的单个视频，瓶颈在单线程和配置漏写，花钱换 CPU 解决不了。
• 同平台升级很划算，但要接受它的边界。单线程只快 12%，内存插满就要降频，这些在选型时都能算出来，只是当时没当回事。
• 把刷 BIOS 和换硬件分成两步做。刷完先开机确认一次，出问题时才分得清是哪一步。
• 换完一定要回头改自己定的限制。CPU 配额、内存上限这些数，是按旧硬件定的，不改的话新硬件就白换了。
• 监控要在出事之前装好。死机那次，正是因为每分钟都有记录，才能一口咬定「不是内存满，也不是过热」。没有这些数，只能靠猜。
• 让机器能自己爬起来。看门狗几行配置就能开，家用服务器应该一开始就开着。
• 让 AI 当硬件助手，好用的地方在于它能直接在机器上量。它读日志、跑测试、对数字，结论都有依据；它也会说错，比如有一次只凭一个时刻的快照就说「CPU 不是瓶颈」，看了全天记录才改口。所以我对它的要求也一样：先量，再说。

现在这台机器还在观察期。如果再死机，我会按上面说的先降内存频率，到时候再来补一篇。