双路3090深度学习工作站，根据现有配置，如何最省钱，并且还发挥最高性能？

首先，NVLink是必买的，因为就算双3090走两条PCIE3.0 x 16，性能只能达到单张3090的140%左右，更何况你有一个GPU是PCIE x 8的。双3090没有NVLink非常不划算，因为影响多卡训练大模型性能的主要原因就是数据通路，NVLink桥接两张3090能比只走PCIE数据传输快将近十倍，如果你想让两张3090的性能达到单张3090性能的两倍（其实不能，有性能损失，但也将近两倍），NVLink是必买的。
那么现在问题就变成了：双3090NVLink桥接的情况下，其中一张显卡是PCIE x 8，性能会不会下降，有多大的下降？现在GPU间数据传输不走PCIE走NVLink了，那么PCIE就主要是负责内存与GPU的之间的数据传输。训练大模型，中间产生的临时数据庞大，CPU通过PCIE将数据从内存里一批一批地分别同时送入两张GPU，两张GPU分别处理数据后（会在显存中产生庞大的中间数据，这也就是为什么要求显卡有大显存的原因），再通过NVLink通信和数据处理才能算完成一次对数据的处理（也会产生庞大的中间数据）。如果一张GPU的通讯带宽减半，那么另一张GPU处理完数据后会等这张GPU处理完数据，再通过NVLink确定最终的数据处理，等待的时间就是两种宽带传输同一批数据的时间差（因为两张GPU都是3090，处理数据时间一样，只有数据输入的时间不同），PCIE x 16与3090的实际传输速率大概在5GB/s，砍半的话就是2.5GB/s，如果你的训练数据有100GB，那么两条都是x16传输耗时20s，如果有一条是x8，那么传输耗时就是40s（取决于最慢的那个，快的要等慢的，不是快的算快的，慢的算慢的），时间差距就在40-20=20s，每100GB训练数据，每轮训练就多耗时20s，你的训练数据有多大，要训练多少轮，要多等待的时间总和理论上就有多少。如果你不买NVLink桥接器，那就更不用说了，PCIE不仅要传输被加载到内存中的训练数据，更是要负责传输GPU产生的庞大的中间数据，GPU根本就喂不饱，多数时间都是在等待数据的传输，实际的效果可能真不如单张3090。
最好就是买NVLink并且换主板，实在不行就买NVLink，换不换主板看你训练模型的数据集的大小吧，没有NVLink又不换主板感觉肯定是不如单张3090的。当然，这只是粗略的计算，还要很多因素也影响着最终配置的工作站的性能，比如说Batch Size、内存、CPU等等。