开源神器解锁隐藏AI算力，RTX 30系老卡“复活”

过去几年，英伟达在消费级显卡与专业级显卡之间，一直用软件划出一道清晰的界线。但最近，一个开源项目把这条线给“擦”掉了。

一张发售四年多的RTX 3090 Ti，BF16算力从87.5 TFLOPS飙升至157.4 TFLOPS，提升近80%；实际图像生成任务吞吐量提升约60%——这不是新卡发布，而是开源项目GPU Unlock在消费级安培显卡上“解锁”了被人为限制的张量核心指令发射速率。无需刷VBIOS、无需改驱动，仅用一张Linux内核模块在驱动加载前改写寄存器即可实现。

GPU Unlock由GitHub用户Zagitta开发，瞄准的是英伟达在消费级安培显卡上设置的一项指令发射速率限制：在使用FP32累加的FP16/BF16张量核心运算中，GeForce显卡的发射速率明显低于同架构专业计算卡。

在技术路径上，该项目将此前针对CMP挖矿显卡的固件解锁技术与提前初始化方案结合，通过Linux内核模块在英伟达驱动绑定显卡之前，写入速度选择寄存器（SS0=`0x88888888`选择全BF16速率，SS1=`0x8`选择IMLA4），执行一次功能级重置（FLR），随后原版驱动正常接管显卡。

这意味着，每次更新驱动都无需重新打补丁。目前，这一项目支持GA102、GA103、GA104、GA106核心，覆盖RTX 30系列绝大部分型号。

根据项目GitHub仓库和社区用户提交的大量实测显示，解锁前后的算力差距堪称“残血”与“满血”的区别。

旗舰型号RTX 3090 Ti在450W功耗限制下，BF16矩阵运算性能从87.50 TFLOPS跃升至157.41 TFLOPS，提升幅度约80%；TF32性能更是从42.58 TFLOPS提升至82.61 TFLOPS，几乎翻倍（+94%）。即便是功耗更低的RTX 3080 10GB，在维持原厂320W功耗限制的情况下，其FP16/BF16吞吐量也从约65 TFLOPS提升到了110至113 TFLOPS的水平。

社区用户的普遍反馈是，在RTX 30系列上，BF16性能提升幅度普遍在70%到80%之间，RTX 3090在PyTorch实测中也能从75 TFLOPS冲到135 TFLOPS，涨幅约67%。 

当然，解锁的收益也蔓延到了其他架构。RTX 4090的FP16/BF16指令吞吐性能从165.6 TFLOPS直接翻倍到了331.6 TFLOPS，RTX 2080 Ti的FP16性能也从59.9 TFLOPS提升至111 TFLOPS，涨幅约1.9倍。

理论算力的翻倍，最终要落到实际应用上才有意义。好消息是，社区成员已经开始了真实AI工作负载的测试，而且初步结果相当令人振奋。

在本地大语言模型（LLM）推理场景中，有RTX 3090用户在vLLM负载下测得，提示词预填（Prefill）吞吐量提升了约33%，首个Token的延迟降低了约25%。不过需要注意的是，后续逐Token生成的Decode阶段几乎没有明显改善，因为那个阶段更受限于显存带宽，而非Tensor Core的算力。

在图像生成方面，收益更为直观。RTX 3090 Ti用户使用ComfyUI运行BF16精度的模型时，吞吐量提升可达56%至59%；其中MOSS-Image SFT BF16提升58.6%，Qwen-Image 2.1 Turbo BF16提升57.2%。这几乎意味着，在相同的硬件上，生成一张图片的时间可以缩短近四成。

翻倍的指令发射速率，意味着更高功耗。450W的3090 Ti才能跑出157 BF16 TFLOPS；若功耗墙压在225W，3090的BF16提升仅约25%；RTX 3060在170W下nanochat训练仅提升约6%。散热器、电源和供电接口是否跟得上，是用户必须自行评估的问题。在长期可靠性与保修方面，该操作属于未经英伟达官方支持的固件级修改，风险自担。

值得关注的是，类似技术已外溢到Ada架构。独立项目GPU Unlock Ada在RTX 4090上实现FP16从165.6→331.6 TFLOPS，近乎翻倍；RTX 4070 Ti SUPER也有实验性成功案例。Windows端目前仅有基于UEFI的实验性实现，尚未通用。 

总之，GPU Unlock的本质是把消费级安培显卡出厂时被“软限流”的张量核心恢复到硬件本应有的满速状态。对于手握RTX 3090/3090 Ti做本地AI推理、图像生成或模型训练的用户来说，这相当于零成本获得一台“算力接近翻倍”的AI工作站。但它不吃显存带宽红利，游戏无增益，且需要承担功耗、散热和保修风险。在AI算力需求持续外溢、二手显卡市场热度攀升的背景下，这把“开源钥匙”能让多少老卡重获第二春，仍需社区更长时间的检验。