部署DeepSeek到8卡Pro6000D服务器

一、问题背景与硬件概览

1.1 RTX PRO 6000D 与 Blackwell 架构

理解 RTX PRO 6000D GPU 的计算能力是解决适配问题的前提。该卡基于 NVIDIA Blackwell 架构，标准版配备 188 组 SM，共 24064 个 CUDA 核心，以及 752 个 Tensor Cores 和 188 个 RT Cores，提供 4000 TOPS 的 AI 算力，采用 24Gb (3GB) GDDR7 模组提供 96GB 显存。

RTX PRO 6000D（中国特供版）的配置有所缩减：CUDA 核心数量降至 19968 个，对应 156 组 SM，显存降至 83-84GB，位宽从 512-bit 削减至 448-bit，核心频率降为 2430MHz。尽管如此，该卡依然属于 Blackwell 架构家族，其计算能力对应 sm_120（标准 Blackwell） 或可能的 sm_130（升级版）。这一计算能力标识正是导致适配问题的核心原因——公共 Python 环境中的 PyTorch 和 vLLM 预编译二进制文件默认不包含对 sm_120 及以上架构的支持。

1.2 适配问题的本质

vLLM 从 v0.6.3 版本开始会为多种 SM 架构编译 CUDA 内核。但即便如此，在 PyTorch 端也存在类似的兼容性缺口：在相当长的时间内，PyTorch 官方 whe