有两张显卡却只用一张：选卡、多任务和显存合并是三件事

先说清楚你要哪一种能力

本文将目标拆成三种：让单个任务换到指定显卡；让多个任务分配到不同显卡；让一个模型跨设备运行。我们不把它们统称为“多卡支持”，也不由机器装了两张卡就推断显存能够相加。

PyTorch 文档说明 CUDA_VISIBLE_DEVICES 控制 CUDA 运行时可见设备；ComfyUI 的系统状态接口可提供设备相关信息。12 这些用于观察与选卡，不是跨卡模型切分的证据。

我们建议怎样核对

保存显卡名称与稳定标识、进程启动参数、设备可见性设置和后端日志。只显示“GPU 0”的截图不够；同样的编号在不同进程环境中，不能未经核对就当成同一物理设备。

先用小任务确认原始运行路径。确实需要换设备时，按实际启动器支持的配置修改，重启后再对照设备信息。不要在本文中套用一个未经核实的通用启动参数，也不要承诺所有节点遵守同一设备选择方式。

显存不足时怎么判断

如果目标是运行超过单卡容量的模型，应寻找该模型和推理后端明确支持的切分或卸载方案。仅改变可见设备列表不是这样的方案。任务分到第二张卡，也应分别评估该卡的容量与依赖支持。

验收

记录任务、所用设备、是否并发、峰值资源及输出。没有实际运行就留空，不用总显存算一个“最低要求”。

相关排查

• 启动日志里一堆“缺模块”：哪些要处理，哪些先记录？
• 修复 ComfyUI 前后该记什么：一份可复查的环境记录

已按来源逐篇复核的诊断建议；本站未做本机多 GPU 测试，也没有实测显存数据。全站审核门槛完成前继续禁止收录。