结论先行：矿卡就是长期24小时满载挖矿的显卡，显存和核心老化严重，容易花屏、掉卡、计算错误。云实例租到矿卡，训练跑到一半崩了最要命。
一、怎么判断是矿卡
看运行时长：如果平台说新卡但nvidia-smi显示累计运行几万小时，就是矿卡。看ECC错误：dmesg有没有显存纠错报错。看稳定性：跑训练半小时内就掉卡或温度异常高。
二、矿卡有什么危害
训练跑到一半GPU挂了，前功尽弃。显存随机错误导致模型训练结果异常，排查半天发现是硬件问题。推理时突然重启，服务中断。
三、怎么避坑
选提供硬件监控面板的平台，能看运行时长和温度。选有SLA保障的，掉卡能换。训练前先跑半小时burn-in测试，确认稳定再开始正式训练。
四、消费级卡风险更高
4090和3090都是消费级卡，矿卡概率高。数据中心卡A100/H100几乎没有矿卡风险，因为挖矿效率低没人挖。重要任务优先选数据中心卡。
补充：如果租到疑似矿卡，立即联系客服换实例。不要硬着头皮跑重要任务。训练跑崩了浪费的时间比换实例贵得多。
想选稳定的GPU实例，可在GPU算力平台选择数据中心卡型，矿卡风险低。
