系统日志取证 · 2026-09-18

RTX 2070 故障诊断

GPU MSI GeForce RTX 2070 (TU106, 8 GB) 驱动 610.74 VBIOS 90.06.18.40.1f 系统 Windows 11 · i7-9700KF 实测 Memtest_vulkan · 595 次报错
显存（GDDR6）物理损坏 · 已实测确认

结论：显卡的显存（GDDR6）存在物理损坏，已由 Memtest_vulkan 实测确认。不是超频、不是驱动、也不是游戏的问题。缺陷位置固定，并且在持续恶化。

判断分两步走。第一步看事件日志中的故障形状：36 个 SM 在 5 毫秒内同时报错，这排除了“某个计算单元坏了”这个最常见的猜测，把范围锁死在所有计算单元共享的资源上。第二步用显存测试直接验证：595 次报错全部集中在 8 GB 显存里约 1.7 MB 的一小片区域。

36/36
SM 同时报错
GPC 0–2 × TPC 0–5 × SM 0–1 全覆盖
5 ms
全部异常的时间跨度
18:26:19.679 → .684
11,832
显存测试累计报错
595 次事件 · 健康显卡应为 0
1.7 MB
缺陷集中区域
0xD00A0000 – 0xD0150000
决定性证据

故障的形状：全芯片，不是单点

RTX 2070 的 TU106 核心有 36 个 SM，分布在 3 个 GPC 中，每个 GPC 含 6 个 TPC、每 TPC 2 个 SM。日志里报错的坐标，一个都没落下。

单颗 SM 损坏应有的样子

局部 · 坐标固定

实际记录到的形状

18:26:19.679–.684
本秒内报错的 SM 无报错

左边是对照，右边是实况。如果是一颗 SM 物理损坏，报错坐标会像左图那样固定在同一处、反复出现。实际记录是右图：36 个 SM 在 5 毫秒内全部报出同一种错误。没有任何一个单元是单独的故障源——出问题的是它们共享的东西。

错误原文是 Graphics SM Warp Exception … Illegal Instruction Encoding，字面意思是 SM 从内存里取到了不合法的指令编码——也就是数据在到达 SM 之前就已经损坏了。共享这一数据通路的，正是显存、L2 缓存与指令供给。

原始日志摘录（nvlddmkm 事件 ID 13） 
18:26:19.679  nvlddmkm 13  \Device\Video3
  Graphics SM Warp Exception on (GPC 0, TPC 0, SM 0): Illegal Instruction Encoding
  Graphics SM Global Exception on (GPC 0, TPC 0, SM 0): Multiple Warp Errors
  Graphics Exception: ESR 0x504730=0xa0009 0x504734=0x4 0x504728=0x6c12b72 0x50472c=0x174

18:26:19.684  nvlddmkm 13  \Device\Video3
  Graphics SM Warp Exception on (GPC 2, TPC 5, SM 1): Illegal Instruction Encoding
  Graphics SM Global Exception on (GPC 2, TPC 5, SM 1): Multiple Warp Errors

— 同一秒内共 108 条 ID 13 —
  36 × Illegal Instruction Encoding
  36 × Multiple Warp Errors
  36 个不同的 (GPC, TPC, SM) 坐标
实测确认 · Memtest_vulkan

显存测试独立复现了故障

2026-09-18 20:13 对显存做的遍历测试，跑了约 1,608 次迭代。健康显卡的结果必须是 0 错误——任何一个非零都代表硬件缺陷。

595
报错事件
约 1,608 次迭代内
11,832
累计错误计数
健康显卡应为 0
1.7 MB
缺陷集中区域
8 GB 显存中的极小一片

缺陷不是均匀分布的，它集中在一个点上

把 595 次报错的地址按 64 KB 窗口统计。缺陷核心稳定在 0xD00D0000 附近，向两侧平滑衰减成一座钟形。这是物理损坏的空间特征：若问题出在供电或时序，错误会随机散布在全部 8 GB 显存上；集中成一个尖峰，说明是特定位置的存储单元失效。

数据表
地址窗口报错事件数
写入后立即读回就对不上
全部 595 次报错都发生在读回校验阶段：INITIAL_READ 494 次、NEXT_RE_READ 101 次。没有一次是“放久了才丢”或“反复读才出错”——数据在写入完成后的第一次校验就已经不对了。这不是时序余量不足，是这些单元根本存不住数据。
测试过程中越跑越坏
迭代 600–799 区间累计 395 个错误，到 迭代 1400–1599 已升到 5,706；单次最大报错 532 个。这是边跑边恶化，与事件日志里当天 TDR 间隔不断缩短是同一个模式。测试最后以 child exited for no reason, code 71 非正常结束。

这不只是“游戏会崩”

显存损坏会静默返回错误结果——不报错，但算出来的数据是错的。渲染、跑模型、以及任何结果重要的计算，在这块卡修好之前都不要用它做。游戏崩溃反而是最“友好”的表现形式，因为它至少让你知道了。

时间线

故障在当天加速恶化

当天 15:02 起，显卡开始反复超时并自行恢复。注意每次恢复之间的间隔：从最初的几十分钟，压缩到最后十几分钟一次。

SM 异常爆发（108 条） TDR 超时并恢复

09-18 当天 15:00–19:30 的驱动超时记录。18:26 的那一次与其它都不同：它之前先爆出 108 条 SM 异常，是全天唯一一次触及计算单元的故障。

数据表
时间事件来源
15:02:55TDR 超时并恢复nvlddmkm 153
15:05:49TDR 超时并恢复nvlddmkm 153
15:30:22TDR 超时并恢复nvlddmkm 153
17:29:41TDR 超时并恢复nvlddmkm 153
17:52:59TDR 超时并恢复nvlddmkm 153
17:56:07TDR 超时并恢复nvlddmkm 153
18:26:19SM 异常爆发（108 条）nvlddmkm 13
18:40:48TDR 超时并恢复nvlddmkm 153
18:54:12GPU 错误（未触发 TDR）nvlddmkm 153
19:09:46TDR 超时并恢复nvlddmkm 153

把镜头拉远：故障是什么时候开始的

圆点大小 = 当天的 TDR 次数。4 月到 8 月几乎一片空白，只有 5 月 6 日和 6 月 5 日各一次零星记录；9 月 16 日突然升到 5 次，9 月 18 日 9 次。这不是“一直有点小毛病”，而是最近两天才开始的急性劣化。

数据表
日期TDR 次数nvlddmkm 错误数备注
排除项

为什么不是另外几种可能

下面每一条，都是日志里有明确反证、可以划掉的猜测。

超频不稳
当天 17:59 已把 MSI Afterburner 的配置清空（[Startup] 段全为空值，核心与显存偏移均为 0）。清空之后故障反而更严重——18:26 的大爆发发生在清空之后。降回默认没好，就不是超频的问题。
驱动损坏
日志显示 09-16 12:40 与 09-18 17:40 各重装过一次驱动（含一次重启）。两次之后 TDR 都照旧发生。重装无效，排除驱动安装损坏。
游戏 / 软件问题
应用层无法让 36 个 SM 在 5 毫秒内同时报出同一种底层异常。这是发生在内核驱动与硬件之间的故障，与跑什么游戏无关。
主板 PCIe / CPU 侧
整份日志（40,378 条系统事件）中没有任何 WHEA-Logger 记录。若故障出在 PCIe 链路或 CPU，这里会有机器检查异常上报。故障是封闭在 GPU 内部的。
处理建议

接下来怎么办

诊断已经确认，所以这不是一份“排查清单”，而是“一块显存损坏的卡该怎么处理”。按优先级排列。

先停掉所有结果重要的计算

立刻 · 免费

显存损坏会静默返回错误结果——不报错，但算出来的数据是错的。渲染、跑模型、以及任何你依赖其输出的活，在这块卡修好之前都换机器做。游戏可以继续玩，因为崩了你至少知道。

降显存频率，争取时间

免费 · 几分钟

Afterburner 里把 Memory Clock 拉到 −800 MHz 上下。硬性读回失败通常降频也救不回来，但降低频率有时能让边缘单元勉强工作，作为应急值得一试。这只是续命，不是修复。

先确认保修状态

免费

RTX 2070 是 2018 年的卡，官方保修基本已过。但如果这张卡是二手购入、或带店保，先问清楚——在保的话直接走保修，比什么都省事。

找维修店问显存重植的价

唯一修复路径

这是唯一能真正修好的办法：更换损坏的显存颗粒。带着结论去——“0xD00A0000–0xD0150000 区间读回校验失败，595 次报错”——对方能直接定位到故障区域，不必从头排查。显存维修在维修市场是常规项目，先问价再决定。

评估换卡

较高

八年的卡，如果维修报价接近半张新卡，直接换更划算。这时候连着预算和需求一起考虑，比修一张 2018 年的卡更有意义。

（可选）清灰、换导热垫

几十元

修不了已损坏的单元，但能减缓其余部分继续劣化。顺带一提：nvidia-smi 读不到 2070 的显存温度，要看显存结温得用 HWiNFO64，别被核心温度骗了。

附注

两件顺带发现的事

6–7 月有 2 次 0x9C 蓝屏，建议顺手测个内存

日志中还有 4 次蓝屏记录：0xD1 ×2、0x9C ×2、0xA ×1。其中 0x9C 是 MACHINE_CHECK_EXCEPTION，属于 CPU / 总线级的硬件机器检查异常，和本次显卡故障无关，但性质上值得单独留意。

相关线索：你的内存是 Corsair CM4X16GC4000Z18K2（DDR4-4000 套条），当前跑在 3600 MT/s，而 i7-9700KF 官方只支持到 2666——这属于超频。建议用 TestMem5 跑一轮，排除内存因素。

TdrDelay 被改成了 8 秒

注册表 HKLM\SYSTEM\CurrentControlSet\Control\GraphicsDrivers 下的 TdrDelay 当前为 0x8，而 Windows 默认是 2 秒。这个值通常是在跟显卡不稳打交道时被调大的，它只是让 GPU 卡死更久才尝试恢复，并不解决任何问题，而且会让你在游戏里多冻结几秒。排查完成后建议改回默认。

附录

取证环境与统计

项目值
日志来源Windows 系统日志（System 通道），40,378 条事件
覆盖区间2026-04-28 → 2026-09-18
显示设备PCI\VEN_10DE&DEV_1F02&SUBSYS_8C9D1462&REV_A1
显存容量8,192 MiB GDDR6
功率上限175 W（默认，未被拉高）
WHEA-Logger 事件0 条
显存测试Memtest_vulkan · 2026-09-18 20:13 开始
测试结果595 次报错 · 累计错误计数 11,832
错误模式INITIAL_READ × 494 · NEXT_RE_READ × 101
日期Event 13
SM 异常		Event 153
GPU 错误		Display 4101
TDR 恢复
2026-05-06010
2026-06-05021
2026-09-160135
2026-09-18108329
蓝屏记录（BugCheck 1001）
时间代码转储文件
2026-06-08 15:370x000000D1060826-11546-01.dmp
2026-06-13 14:070x000000D1061326-12515-01.dmp
2026-06-18 17:310x0000009C061826-11640-01.dmp
2026-07-02 12:200x0000009C070226-11500-01.dmp
2026-07-11 12:070x0000000A071126-11500-01.dmp