别假定云上的 T4 跑在标称值：卡一热，Gemma 4 解码慢 7.4%

📋 概述

作者在 Google Cloud 的一台 n1-standard-2 上，用 vLLM 0.29.0 服务 4 比特的 Gemma 4 E2B，每 100 毫秒记录一次显卡的温度、频率、功耗与节流状态，并把每个请求和生成 token 那一刻的卡状态对齐。同一张卡、同一台机器、同一个模型、同一个提示：45°C 时解码 115.3 token/s，升到稳定 77°C 后掉到 106.8 token/s，慢 7.4%，且只要负载持续就一直慢。原因不是节流触发，而是这张卡全程顶在 70W 功耗墙——温度高的芯片同频要更多电，功耗墙于是把频率从约 1457MHz 拉到约 1267MHz。全流程的脚本、日志、数字都放在 GitHub 上，可复现。