很多人买了处理器性能很强的轻薄笔记本，想玩游戏的时候，或者想要剪辑视频，运行AI程序的时候，最好的方案无非就是外接显卡。现在市面上流行的方案中，oculink的性能最强，损耗非常小，价格也相对便宜。但这个接口大多数笔记本都没有，大多数笔记本最好的选择是通过英特尔的雷电4接口外接显卡。
下面就介绍下，通过雷电4外接显卡，性能损耗如何（这里是测试视频）：
如果是玩游戏，在不接外屏的情况下，图像回传笔记本显示器，性能损耗会大一些，一般估计损耗在15%-20%。如果接外屏，数据无需回传笔记本显示器，不占用雷电4带宽，则损失在5-10%，可以接受。需要注意的是，越高端的显卡，性能损耗越大，尤其是4080 4090这样的旗舰卡。
如果你不玩游戏，只是用显卡当作生产力工具，那么几乎是没有损耗的。雷电4接口的带宽是40Gbps，能用来交互数据的可以到30Gbps，这个带宽虽然相比显卡直连差很多，但是如果用来剪辑视频、运算AI程序，绝对情况下是足够的。以下是ChatGPT对这个现象的解释：
使用雷电4（Thunderbolt 4）接口外接显卡（eGPU）进行AI运算时的性能损耗相比于直接在主机内部安装显卡确实会有所增加，但这种损耗通常不会非常大，特别是在不玩游戏、主要用于AI计算的情况下。
雷电4接口提供高达40Gbps的数据传输速率，这对于大多数AI和机器学习任务来说是足够的。虽然这个速度低于PCIe接口在主机内部直接连接显卡的速度，但对于AI计算这类通常不需要极高实时图形处理能力的任务，这种差异的影响是有限的。
外接显卡的一个优势是它提供了灵活性，尤其是对于那些使用笔记本电脑或者其他不便于内部扩展的系统的用户。使用外接显卡，你可以在需要额外图形处理能力时连接它，而不使用时则可以轻松拔掉，这对于需要在不同环境下工作的用户来说是一个很大的优势。
总的来说，如果你的工作或研究主要集中在AI和机器学习领域，且不涉及到对高帧率图形处理的需求，那么使用雷电4外接显卡进行AI运算是一个可行且效率较高的解决方案。当然，具体的性能损耗还会受到使用的具体硬件、任务类型以及数据集大小等因素的影响。
写这篇文章的时候，老王已经自己通过显卡坞安装了外接显卡，实测运行AI程序，几乎没有性能损耗。如果大家外接显卡是当作生产力工具，可以放心升级，无需担心性能问题。如果是用来玩游戏，讲实话，那点性能损耗又有社么值得在意的，多几帧少几帧影响不大，应先体验的还是显卡等级本身，还有你本子的CPU性能，内存容量。
