显卡sr-iov切片失败的根本原因是硬件不支持或iommu未启用导致显存资源无法隔离。需先用lspci验证totalvfs非零，再确保bios开启vt-d/amd-vi和above 4g decoding，最后检查dmesg确认iommu启用及vf bar地址独立。
显卡硬件虚拟化（SR-IOV）切片分配失败时，虚拟功能（VF）无法创建或激活，显存资源无法隔离，导致多个虚拟机共享同一段显存地址空间，引发纹理错乱、ECC错误激增甚至蓝屏0x1A。这不是驱动没装好那么简单，而是PF与VF之间资源映射链断裂的硬性故障。
确认显卡是否真正支持SR-IOV VF模式
先排除“假支持”：某些厂商在PCIe配置空间中声明了SR-IOV能力位，但固件未实现VF内存空间划分逻辑，属于软声明硬不支持。
执行命令查看真实能力结构：
lspci -vv -s $(lspci | grep VGA | head -n1 | awk '{print $1}') | grep -A20 "SR-IOV"
重点检查输出中是否存在 【TotalVFs: 8】 和 【NumVFs: 0】 字段——前者表示硬件宣称最大VF数，后者为当前启用数；若 TotalVFs 为 0 或字段完全缺失，则该显卡物理上不支持SR-IOV切片。
注意：NVIDIA消费级GPU（如RTX 30/40系列）在任何驱动版本下均【无SR-IOV能力结构】，仅数据中心级A100/A16/L40S等型号支持，且需对应vGPU License授权。
BIOS/UEFI层SR-IOV开关与IOMMU联动验证
SR-IOV不是独立开关，它依赖IOMMU（Intel VT-d / AMD-Vi）提供DMA重映射能力，否则VF无法获得独立的DMA地址空间，显存隔离必然失败。
第一步：进入BIOS，定位并开启以下三项（名称因厂商而异）：
① CPU虚拟化：Intel平台为 Intel VT-x，AMD平台为 SVM Mode；
② 直接I/O虚拟化：Intel平台必须启用 VT-d，AMD平台必须启用 AMD-Vi；
③ PCIe高级特性：务必开启 Above 4G Decoding ——否则PF无法为VF分配高于4GB的MMIO空间，显存BAR映射会截断，【这是VF创建失败最常被忽略的根源】。
第二步：Linux下验证IOMMU已激活：
dmesg | grep -i iommu → 出现 IOMMU enabled 且无 disabled by BIOS 字样；
cat /proc/cmdline → 确认内核启动参数含 intel_iommu=on 或 amd_iommu=on。
PF驱动加载后VF资源分配实操
仅当PF驱动正确加载且识别到SR-IOV能力后，才能通过sysfs接口触发VF切片。NVIDIA vGPU使用nvidia-smi，Intel GVT-g使用intel-gvt-g，AMD MxGPU使用amdgpu-pro工具链——三者路径完全不同。
方法一：NVIDIA vGPU（需Data Center驱动+License）
运行 nvidia-smi -L 确认PF设备可见 → 执行 nvidia-smi vgpu -c 1 创建1个VF实例 → 检查 nvidia-smi -L 是否新增 Grid V100D 类设备。
方法二：Intel GVT-g（仅限第11代及以后集成显卡）
加载模块：modprobe kvmgt vfio-iommu-type1 → 编辑 /sys/class/drm/card0/gvt/vgpu_types 查看可用切片模板 → 向 /sys/class/drm/card0/gvt/create_vgpu 写入模板ID（如 echo 1 > create_vgpu）→ 成功后 lspci | grep VGA 将出现新VF设备。
方法三：AMD MxGPU（MI210/MI300系列）
确认 amdgpu 驱动加载后，执行 echo 2 > /sys/bus/pci/devices/0000:0a:00.0/sriov_numvfs（替换为实际PF PCI地址）→ 若返回 Device or resource busy，说明当前PF正被Xorg或Wayland占用，需先停用显示服务：sudo systemctl stop gdm3 或 sudo systemctl stop display-manager。
显存隔离失效的底层日志抓取
当VF创建成功但显存仍被多VM交叉访问，问题一定出在DMA地址空间未隔离或显存BAR未按VF粒度重映射。
执行 dmesg -T | grep -i "iommu.*group\|vf.*dma\|bar.*size"，重点关注：
- 是否出现 IOMMU group contains multiple devices：说明PF与同组其他设备（如USB控制器）共用IOMMU域，VF DMA请求可能被错误路由；
- 是否有 BAR 2: assigned to VF 1, size 0x8000000 类日志：该值应等于单个VF分配的显存大小（如512MB=0x20000000），若远小于预期（如0x8000000=128MB），则显存切片未生效；
直接读取VF配置空间验证显存BAR基址是否独立：
setpci -s 0000:0b:00.1 0x10.l（0b:00.1为VF设备地址）→ 输出应为非零且与PF（0b:00.0）的0x10偏移处值不同；若相同，【显存地址空间未隔离，VF仍在复用PF BAR】。
强制重置VF并清空残留DMA上下文
VF分配失败后，内核可能残留未释放的DMA映射表项，导致后续分配始终失败。
第一步：卸载PF驱动并清除所有VF：
echo 0 > /sys/bus/pci/devices/0000:0b:00.0/sriov_numvfs → modprobe -r nvidia_uvm nvidia_drm nvidia_modeset nvidia（NVIDIA）或 modprobe -r amdgpu（AMD）；
第二步：重置PCIe设备并刷新IOMMU页表：
echo 1 > /sys/bus/pci/devices/0000:0b:00.0/remove → echo 1 > /sys/bus/pci/rescan → echo 1 > /sys/kernel/iommu_groups/*/devices/*/iommu_group/unmap_all；
第三步：重新加载驱动并立即分配VF：
modprobe nvidia → echo 4 > /sys/bus/pci/devices/0000:0b:00.0/sriov_numvfs → 立即检查 lspci -vv -s 0000:0b:00.1 | grep -A5 "Region 2" 确认BAR2基址已更新。
