民间开发者解除限制 RTX 30与40系列计算性能最高提升两倍

一项由社区开发者推动的新研究显示，NVIDIA GeForce RTX 30系列与RTX 40系列显卡所蕴藏的计算潜力远超官方规格。开发者通过解锁底层固件与硬件配置，职场技能释放了原本受到限制的部分计算能力，使部分型号在人工智能和矩阵运算场景下最高获得接近两倍的性能提升。

据报道，RTX 30系列“Ampere”架构显卡所用的核心与NVIDIA专业级GPU在本质上采用相同硅片，但消费级产品的部分计算能力受到软件和固件策略的限制。一位研究人员开发的解锁方案能够提高FP/BF16 FMA到FP32运算的指令发射速率，适用于GA102、职场技能GA103、GA104和GA106核心。

在实际测试中，RTX 3090 Ti的BF16矩阵乘法性能最高提升约80%。矩阵乘法是运行绝大多数神经网络模型的重要基础运算，因此这一提升对本地AI推理和机器学习任务具有明显意义。

与此同时，另一项针对RTX 40系列“Ada Lovelace”架构的解锁项目也取得突破。该方案将FP16和BF16 Tensor计算吞吐量提升约两倍，同时保留FP32累加精度。

以RTX 4090为例，在FP16 Tensor吞吐量测试中，显卡原本可达到165.6 TFLOPS，启用解锁后性能提升至331.6 TFLOPS，几乎翻倍。这一水平已接近甚至达到部分专业级产品，例如RTX 6000 Ada所具备的计算能力。

研究人员认为，这表明AD102核心在消费级产品中存在人为设置的计算限制，尤其是在矩阵乘法和累加等关键AI运算领域。这些限制会直接影响大型语言模型等AI应用的运行效率。目前，该解锁项目已确认支持AD102、AD103及AD106核心型号。

值得关注的是，针对RTX 30系列和RTX 40系列的两项解锁方案几乎同时出现，分别覆盖Ampere和Ada Lovelace两代GPU架构。开发者表示，这些修改能够通过NVIDIA驱动程序的完整验证机制，同时成功绕过PCIe功能级重置（Function Level Reset，FLR）限制，因此仍可使用官方原版驱动程序，并正常运行CUDA相关测试软件。

测试数据显示，无论是GA102还是AD102显卡，解锁前后均保持相同的功耗限制。例如在450W总板卡功耗设定下，性能提升完全来自被释放的计算能力，而非额外提高功耗或频率。

对于使用本地大语言模型、生成式AI以及其他高强度计算任务的用户而言，额外释放的Tensor计算能力能够提升提示词预处理和推理阶段的效率，从而获得更高的Token吞吐量和更快的响应速度。

不过开发者也提醒，这类修改属于非官方行为，可能导致显卡保修失效。此外，相关模块需要在系统启动阶段率先加载，以便在NVIDIA驱动接管GPU之前完成解锁操作。因此，这类方案更适合具备一定技术能力并愿意承担风险的高级用户。

了解更多：

https://www.landian.news/go?url=https://github.com/Zagitta/gpu-unlock/blob/main/README.md。