EVGA- GTX 1080 Ti SC Blank Edition 开箱体验。

关注什么值得买好久了， 但是一直没有自己写过文章。 我所有的电脑硬件全部是通过关注什么值得买来采购的。感觉有必要回馈一下其他的用户，因此有了这一篇处女文。

我是一个IT 业余爱好者。 非发烧友， 因此大家凑合看吧。

我的主机是2017年618期间组装的， 当时组装的目的为运行黑苹果，因此并不是当时性价比最高的配置， 而是与MAC OS 兼容性最好的硬件。 配置如下。

努力工作一年，今年的 618 感觉要补偿一下自己，总想升级点什么。 但是这个配置应对日常的生活娱乐绰绰有余。不知道如何下手。 作为IT男， 我不玩任何游戏，业余大量时间都在研究新兴的技术， 从云计算-大数据-到人工智能。

在未来有计划学习一些AI相关的知识。 看到张大妈的一篇文章 “WIN10 X64下GTX1080TI 深度学习平台搭建简单教程及晒单” ； 于是下决心添加一张1080 TI的显卡。

1070 Ti SLI or 1080 Ti?

根据网上资料， SLI交火能提升深度学习15% 的性能， 在618 时间两张1070 TI 显卡的价格也能控制在6000左右。可以考虑SLI 交火。 我是因为已经有一张1060 显卡， 另外考虑到以后1080 ti 便宜后 可以组成1080 TI 交火，因此选择了一张1080 TI 显卡。

为什么选择EVGA？

今年618 1080 Ti 显卡可选项不是太多。 不考虑超频情况下1080Ti 性能差距不大， 为此付出6000以上的价格与心理预期不符。 因此技嘉，华硕和微星就被排除掉了。 参考国内（ZOL 排行）国外（Awards: Best 1080 Tis of 2017）对1080 TI显卡评测和排行。最后在七彩虹和EVGA 之间 摇摆不定。

前文说过， 我不玩游戏。购买1080Ti 的目的为学习AI 关于深度学习的内容。 七彩虹和EVGA的区别主要在于散热器性能。 根据评测， 七彩虹的散热器能将1080 Ti 压制在40-50度之间， 而EVGA 即使使用ICX 技术也仅仅能维持60-70度的核心温度。

那为什么仍然选择EVGA的显卡呢？ 原因如下

1. 现有MATX 机箱， 已经有一张GTX 1060 显卡， EVGA标准2 插槽宽度。不占用太大空间， 要知道很多显卡加上散热风扇的厚度后会占用2.2-2.5 个PCI 位置。

2. EVGA 大厂做工， 在1080 发生过起火意外后，致力于研发ICX 显卡散热技术。 带有7个温度传感器， 不仅仅监控GPU 核心温度，其风扇转速可根据显存，供电模块，GPU温度等实时调节不同风扇的转速，以达到最佳的散热效果和最低的噪音。

我需要的是一张能长时间静音且稳定工作的显卡， 而不是为了短时间游戏性能。考虑到未来深度学习有可能会将显卡置于7*24 高负荷运载的情况下， 最终还是选择了EVGA。

显卡开箱

大妈家已经有 EVGA 1080 Ti 评测，甚至于拆解， 需要详细开箱的请看此文： “炸裂的性价比 — EVGA GTX1080Ti SC BLACK 使用评测”

我就不多此一举了直接上图：

包装正面

包装背面

产品手册、保修

内部包装

内部包装

显卡正面

背板

现在很多厂家宣传显卡背板能起到散热的作用， 这是骗局。 有兴趣的人可以搜索 “$h!t Manufacturers Say Ep. 1 - "Backplates Cool Your Video Card"

散热器

背面

装机图

可以看到对于MATX 主板，PCI-E 插槽之间空隙很小，安装1080 TI 后直接让GTX 1060 窒息，万幸GTX 1060还可以从右侧吸入空气，另外主板前置USB 3.0 接口在下方。 USB 3.0 的连接线很硬，会碰到显卡风扇。 需要十分小心。

为什么还需要双显卡？

GTX1060 显卡的显卡进风口，已经被堵死了， 为什么你仍然使用双显卡？

当然是为了折腾啊， 机器闲着也是闲着， 想做ESXI运行Linux/ MAC OS/Windows. Windows 做显卡直通。

N卡显卡直通有问题。 但是有破解方案。需要折腾，人生在于折腾！

压力测试

根据温度监控， GTX 1060 入风口被堵会影响散热。 在Full load 的情况下温度上升至80度，显卡自动降频。 维持在81-82 度左右。 GTX 1080 Ti 全负载温度 控制在74度左右。 （室温28度）。

GTX 1060不会 全负载工作， 这只是极端情况，我就看看电影而已，忍了。

有机会会改造 GTX 1060 的散热， 值友们可以提供改善散热的建议。

我会在以后的文章中记录我使用1080 TI 做深度学习的详细过程尽请期待。 大概在9-10月份。 报了人工智能的课程。所以关于人工智能的文章要等课程结束。

总结

文章很散， 主要是我自己的调研。 将资料汇聚， 文章中给了很多别人的文章作为reference。 感兴趣的值友可以去详细阅读。