最近 AI 硬件圈子讨论热度很高，不少朋友在选型的时候纠结，搭建八卡集群到底选 RTX5090 还是 RTX4090D。 网上能搜到大量单卡跑分数据，但很少有人直接拉满两套完整八卡机器，持续跑一周真实 AI 负载。我在机房拿到两套配置相近的八卡整机，连续 7 天循环跑推理、绘图和轻量微调任务，把显存、吞吐、功耗、多卡稳定性这些维度测一遍，全部说大白话，只讲实测现象。
测试前提先说清楚：两套服务器，机箱、主板、供电链路、散热方案、多卡互联方案保持一致，唯一变量只有显卡。 一套：8×RTX 5090（Blackwell 架构，单卡 32GB GDDR7） 一套：8×RTX 4090D（Ada 架构，单卡 24GB GDDR6X） 测试环境：Ubuntu 22.04，CUDA 12.8，vLLM 用于大模型推理，ComfyUI 跑 Flux 绘图，训练用 peft 做 LoRA 微调。
重要说明：本次测试仅代表当前这套硬件 + 软件环境下的结果，不同框架、驱动版本、模型量化方式，测出的数据会有浮动，仅作选型参考，不是通用标准。
显存：两者最核心的差距
跑大模型，显存永远是第一道门槛。 RTX4090D 单卡 24GB，部署 70B 参数大模型，就算做量化处理，八卡张量并行分片之后余量依然很紧张。一旦输入超长上下文，很容易触发 OOM 显存溢出，要么降低并发 batch 大小，要么只能采用更高压缩量化，会轻微影响生成文本质量。
换成八卡 RTX5090，单卡多出 8GB 显存，优势很直观。同样 70B 模型，可以设置更大 batch，长文本场景不容易爆显存。跑 Flux 批量生成高分辨率图片的时候，4090D 八卡需要限制并发或者降低采样参数，5090 八卡的显存余量更充足。 这里提醒一点：多卡集群不能简单理解成 8 张卡显存直接相加，多卡通信会占用一部分可用显存，所以单卡显存的差距，在多卡场景下会被放大。
推理吞吐：并没有网传的翻倍提升
网上不少说法直接宣称 5090 性能是 4090D 两倍，这次实测下来达不到这个水平。 FP8 量化，vLLM 跑 70B 大模型推理：八卡 5090 集群吞吐相比八卡 4090D，提升大约 35%~45%。 Flux 文生图批量任务场景，性能差距会更大一点，最高接近 50%。 切换到 FP16 高精度推理，性能差距缩小至 25%~30%。
为什么达不到翻倍？ 八卡集群的瓶颈不只是 GPU 本身算力，PCIe 通道、多卡通信开销、CPU 调度都会拖累整体性能。显卡数量越多，通信损耗占比越高。单卡跑分看着差距巨大，堆成八卡整机之后，整体性能增益会打折扣。很多单卡测评不会提到这个点。
整机功耗，长期使用必须算这笔账
RTX5090 单卡标称 TDP 575W；RTX4090D 单卡 TDP 425W。八卡满载时整机功耗差异很明显。 八卡 5090 整机满载功耗显著高于八卡 4090D。如果是 7×24 小时持续跑推理业务，电费是一笔持续支出。选型的时候要权衡：是优先更高的业务吞吐，还是控制长期电力成本。
7 天不间断压测：多卡稳定性表现
连续 7 天不间断循环跑任务，两套机器都没有出现掉卡故障。 但有个很现实的细节：八卡 5090 对机房散热要求更高。机房进风温度稍微升高，显卡温度就会快速上涨，触发 GPU 自动降频，性能跟着下滑。4090D 八卡整机散热压力更低，常规机房环境更容易稳定维持满负载运行。 自建机房要上八卡 5090，风道设计需要重点优化；托管机房使用，需要提前确认机柜制冷能力是否满足。
选型怎么判断？纯场景匹配建议
✅ 适合考虑八卡 RTX5090 的场景
- 业务经常跑 70B 及以上大参数量模型，大量长上下文请求；
- 需要批量 Flux 高分辨率图像生成，显存占用高；
- 业务对推理吞吐要求高，硬件预算充足，机房制冷条件达标。
✅ 适合考虑八卡 RTX4090D 的场景
- 主要跑 7B、13B 这类中小参数模型，量化后 24GB 显存足够承载业务；
- 成本敏感，需要长时间不间断运行，希望控制电费开销；
- 机房制冷条件普通，不想额外投入散热改造。
一句话总结：新卡不等于无脑首选。算力集群选型不能只看纸面跑分，要结合自身业务模型、并发量、电费预算、机房条件综合判断。5090 不是全方位碾压 4090D，场景不合适，性能优势发挥不出来。
写在最后
网上大量相关讨论基本都是单卡跑分对比，很少有人拿两套完整八卡机器做长时间连续压测。 本次测试硬件由外部提供用于技术性能测试，本文只记录硬件实测数据，不推销服务器、算力租赁、托管投资类产品，不做任何收益承诺。测试数据仅适用于本次软硬件环境，仅供 AI 从业者硬件选型参考。
如果你正在搭建八卡集群，可以在评论区聊聊你的模型和业务场景。