前言
AI时代，一些普普通通的游戏卡的价格也开始越发魔幻；在大显存的需求下，魔改卡也层出不穷。到底哪张卡最值得购买？哪张卡溢价严重？这次我想从一个购买者的角度出发，不考虑显卡的零部件成本，只考虑性价比，来估算目前市面上的"高性价比显卡"到底是否真的那么有性价比。
免责声明
-
数据只选取了一些旧显卡，未加入50系是考虑到首发价格会高很多。如果想要加入更多的显卡进行测试，可以自行收集数据并修改代码。
-
回归预测数据仅代表统计学下的意义，并不代表应售价；计算得到的溢价高也不完全代表实际溢价高。
-
本文不提供任何购买建议。本文不构成任何诊疗、法律或投资建议。
数据来源
| 显卡 | 显存 | TSE | FP32 | 价格 | 备注 |
|---|---|---|---|---|---|
| 2080ti-22g | 22 | 7098 | 12.74 | 2800 | 淘宝魔改卡店 |
| 3060-12g | 12 | 4096 | 13.45 | 1600 | 显卡日报 |
| 3080-20g | 20 | 8893 | 29.77 | 3399 | 淘宝魔改卡店 |
| 3090-20g | 20 | 10286 | 35.58 | 4500 | 群友，屏蔽两组显存 |
| 3090-24g | 24 | 10286 | 35.58 | 6999 | 淘宝魔改卡店 |
| 3090ti-24g | 24 | 10384 | 40 | 7500 | 淘宝魔改卡店 |
| 4070tis-16g | 16 | 11765 | 44.1 | 6000 | 显卡日报 |
| 4080-16g | 16 | 14253 | 52.22 | 7100 | 显卡日报 |
| 4090-24g | 24 | 19481 | 82.58 | 18500 | 淘宝魔改卡店 |
| 5060Ti-16g | 16 | 7136 | 23.70 | 3650 | 显卡日报 |
| 5060Ti-8g | 8 | 7136 | 23.70 | 3100 | 显卡日报 |
| 4060Ti-16g | 16 | 6287 | 22 | 2430 | 闲鱼 |
若无特殊说明，以上价格均为三风扇显卡。
TSE和FP32数据来自《显卡日报》与互联网。
来自《显卡日报》的价格数据是日低价再加上100~200元左右，因为一般最低价的显卡比较难买到。
代码
matlab
car=[
22,7098,12.74,2800;%2080ti-22g
12,4096,13.45,1600;%3060-12g
20,8893,29.77,3399;%3080-20g
20,10286,35.58,4500;%3090-20g
24,10286,35.58,6999;%3090-24g
24,10384,40,7500;%3090ti-24g
16,11765,44.1,6000;%4070tis-16g
16,14253,52.22,7100;%4080-16g
24,19481,82.58,18500;%4090-24g
16,7136,23.70,3650;%5060Ti-16g
8,7136,23.70,3100;%5060Ti-8g
16,6287,22,2430;%4060Ti-16g
];
name=["2080ti-22g","3060-12g","3080-20g","3090-20g","3090-24g","3090ti-24g","4070tis-16g","4080-16g","4090-24g","5060Ti-16g","5060Ti-8g","4060Ti-16g"];
X=[ones([size(car,1),1]),car(:,[1,2,3]),car(:,1).^2];
Y=car(:,end);
[b,bint,e,eint,stat]=regress(Y,X);
Y_pre=X*b;
fprintf("R^2=%f,F=%f,p=%f,误差方差估计值=%f\n",stat);
fprintf("%f + %f*显存 + %f*TSE + %f*Tflops + %f*显存²= 售价\n",b);
for i=1:12
fprintf("%s\t实际价=%.1f\t推测价=%.2f\t\t溢价=%.1f\t溢价率=%f%%\n",name(i),Y(i),Y_pre(i),e(i),e(i)/Y_pre(i)*100);
end其中，溢价与溢价率的计算公式为：
\[\begin{align} 溢价&=实际价-推测价\\ 溢价率&=溢价/预测价\times 100\% \end{align} \]
结果分析
线性回归
模型参数
首先只考虑最简单的线性回归模型。得到的公式为：
\[售价=-3474.8 + 171.7*显存 -0.4043*TSE + 286.9*Tflops \]
需要注意的是，回归公式仅具有统计学下的意义，并不能得出"1G显存价值171元，每1Tflops算力价值287元"这种结论。
模型的\(R^2=0.919310,F=30.381531,p=0.000101<0.05\)，很惊讶发现线性回归模型就能够拟合的比较好了，但是误差仍然存在。
注意到\(TSE\)的系数竟然是负数。一方面，这可能是因为\(TSE\)与\(Tflops\)相关性较强导致的，自变量之间具有相关性；另一方面，由于我挑选出来显卡大多都是老显卡，这或许能够反映出购买老显卡的人（相比于TSE跑分）更看重显卡算力，而并不需要那么高的游戏性能。
显卡对比
按照溢价率升序排序，得到结果如下：
| 显卡 | 实际价 | 推测价 | 溢价 | 溢价率 |
|---|---|---|---|---|
| 3080-20g | 3399 | 4905.22 | -1506.2 | -30.706538% |
| 3090-20g | 4500 | 6008.92 | -1508.9 | -25.111369% |
| 4060Ti-16g | 2430 | 3042.74 | -612.7 | -20.137674% |
| 4080-16g | 7100 | 8492.17 | -1392.2 | -16.393571% |
| 4070tis-16g | 6000 | 7168.46 | -1168.5 | -16.300022% |
| 3090ti-24g | 7500 | 7924.34 | -424.3 | -5.354904% |
| 3090-24g | 6999 | 6695.83 | 303.2 | 4.527723% |
| 4090-24g | 18500 | 16462.66 | 2037.3 | 12.375541% |
| 5060Ti-16g | 3650 | 3187.20 | 462.8 | 14.520588% |
| 5060Ti-8g | 3100 | 1813.38 | 1286.6 | 70.951228% |
| 3060-12g | 1600 | 788.66 | 811.3 | 102.875630% |
| 2080ti-22g | 2800 | 1088.41 | 1711.6 | 157.255214% |
先观察几张比较"出名"的推理卡，可以发现线性模型并不能那么好的贴合市场现状。
模型计算出的结果中，3080-20g和3090-20g最有性价比 ，而3090ti-24g 则性价比一般；2080ti-22g则获得相对性价比最低的称号。说明线性模型不完全能够体现如今大模型时代的显存刚需。
故此处不对线性回归模型的结果做过多分析。
添加显存平方项
模型参数
考虑到大模型时代，大显存可能会越来越贵，故在模型中添加显存平方项。得到的回归公式为：
\[\begin{align} 售价&=4575.03 &31.1*显存^2 - 883.49*显存 &-0.28*TSE &+ 255.7*Tflops\\ 售价&=-1707.731 &+ 31.1(显存-14.22)^2 &-0.28*TSE &+ 255.7*Tflops \end{align} \]
模型的\(R^2=0.951333,F=34.208928,p=0.000110<0.05\)，对比线性回归模型拟合效果更好。
观察显存项，发现是一个以 \(显存=14.22G\) 为对称轴、开口向上的"二次函数"。这也许说明，显存位于14G附近时，一张显卡中的显存部分的价格相对来说较便宜（但是并不代表整张卡的性价比高）。
显卡对比
按照溢价率升序排序，得到结果如下：
| 显卡 | 实际价 | 推测价 | 溢价 | 溢价率 |
|---|---|---|---|---|
| 3080-20g | 3399 | 4453.27 | -1054.3 | -23.674103% |
| 3090-20g | 4500 | 5549.17 | -1049.2 | -18.906749% |
| 5060Ti-8g | 3100 | 3558.60 | -458.6 | -12.887211% |
| 3090ti-24g | 7500 | 8584.42 | -1084.4 | -12.632416% |
| 4080-16g | 7100 | 7755.55 | -655.5 | -8.452616% |
| 3090-24g | 6999 | 7481.69 | -482.7 | -6.451595% |
| 4070tis-16g | 6000 | 6375.31 | -375.3 | -5.886922% |
| 4060Ti-16g | 2430 | 2256.92 | 173.1 | 7.668806% |
| 4090-24g | 18500 | 16926.99 | 1573.0 | 9.292913% |
| 5060Ti-16g | 3650 | 2454.11 | 1195.9 | 48.730365% |
| 2080ti-22g | 2800 | 1443.02 | 1357.0 | 94.037429% |
| 3060-12g | 1600 | 738.96 | 861.0 | 116.521950% |
最具有相对性价比（溢价率）的型号是3080-20g。听说这张卡在一个月前大降价，淘宝和咸鱼上都出现了很多货。目前（三风扇）价格只需要3.5k不到，就能够获得20g显存和不俗的算力，确实性价比高。但是其可能是矿+魔改卡，入手需斟酌。
最具有绝对性价比（溢价）的型号是3090ti-24g 。（听说）这张卡没有矿，架构也不算老，24g显存也很棒。但是相比于3080-20g，需要考虑这4GB显存与10Tflops的算力提升是否为刚需、是否值得为此多花一倍的价格。
此外，群友的3090-20g 也是比较有性价比的。如果显存需求与3080-20g一样大，但是烦恼于3080算力较低，可以考虑。
最不具有相对性价比（溢价率）的型号是3060-12g 。这张卡的定位可能大致是"最便宜的12g显存显卡"吧，但是算力可能有点太小了？不过，其仅是溢价率高，实际溢价（738元）并不算多。若想要一张12g显卡，3060-12g确实不错。
最不具有绝对性价比（溢价）的型号是4090-24g 。不用多说，这张卡在2025年的涨价颇为魔幻。但是更加令我觉得奇怪的是，模型给出的预测价居然也高达16926.99元，溢价仅1.5k。这是否说明这张卡确实值这么多？不过也可能是因为数据中没有定位类似的显卡，4090-24g相当于一个离群数据，，故模型受其影响较大。
此外，神奇的注意到2080ti-22g的性价比非常低 。2080ti-22g 作为一张大显存，低算力的显卡，如今的售价完全是因为吃到了大模型时代的红利，22g显存卡在了部分人的刚需上。我觉得，如果不是对显存的需求那么大，更好的方案是加几百块，选择算力更强且架构更新的3080-20g。
结论
3080-20g 和3090-20g在溢价率（相对性价比）上表现最佳，其显存容量与算力水平的平衡性符合大模型时代的需求趋势，尤其适合对显存有较高要求但预算有限的用户。
2080ti-22g的高溢价率反映了显存需求与算力之间的割裂性------大显存红利导致价格虚高，需结合实际使用场景判断。
3090ti-24g的溢价率较低但溢价绝对值较高，架构也不算老，而且矿卡的情况也会少很多。
综上，当前市场中3080-20g确实是最具有性价比的选择。
不足之处
本研究主要是从大模型时代个人本地部署小模型推理与微调的角度出发，只考虑AI生产力，并没有将显卡的游戏水平、渲染水平、剪辑能力作为本研究的切入点。所以得出的结论的适用面有限。
数据量不够大，且数据的分布不均匀，容易受到离群点（4090-24g以及8g显卡）的影响。
没有考虑到旧显卡的架构问题。
没有考虑30系矿卡的稳定性问题。
没有考虑专业计算卡和涡轮卡。
没有考虑除nvidia之外的显卡。