独立开发者发布了一系列底层固件工具，成功绕过NVIDIA对消费级显卡施加的人为限制。在Linux系统下，RTX 20、30及40系列显卡的机器学习与AI计算性能几乎实现翻倍。用户虽可自行尝试，但此举将导致硬件保修失效。
解除算力封印：从游戏卡到AI加速器
这一突破直指长期存在的痛点：NVIDIA通常在高端工作站卡与消费级游戏卡上使用相同的硅片，却通过固件限制后者的原始数学吞吐量。
自GeForce RTX 30系列“Ampere”架构起，研究人员开发的工具已能使特定数学指令处理速度翻倍。以GeForce RTX 3090 Ti为例，其矩阵计算速度提升高达80%。该方案适用于搭载GA102、GA103、GA104及GA106芯片的RTX显卡。
针对较新的RTX 40系列“Ada Lovelace”架构，新工具进一步将部分AI数学运算速度翻倍。启用解锁后，GeForce RTX 4090的算力从每秒165.6万亿次操作跃升至331.6万亿次，达到原本仅见于NVIDIA RTX 6000等专业级昂贵硬件的水平。这表明NVIDIA在部分AI任务中故意限制了消费级卡的性能，而通过AD102、AD103和AD106芯片上的解锁，用户可恢复其全部潜能。
技术原理与实际影响
新开发的open-pu-unlock及相关模块通过在官方驱动绑定内核前拦截启动过程，覆盖PCIe功能级别重置（FLR）限制。该实用程序并未修改永久视频BIOS，而是移除了FP16和BF16矩阵计算中的指令发出速率瓶颈。基准测试显示，RTX 4090和RTX 3090 Ti等高端卡的张量吞吐量近乎翻倍，性能比肩昂贵的工作站硬件。
然而，这对普通用户的实际影响取决于使用场景。PC玩家需注意，这些改动对传统游戏、实时渲染或帧率毫无益处，因为渲染引擎已充分利用现有图形资源。
真正的受益者是运行本地大语言模型（LLM）或进行AI超分辨率（如视频AI放大）的爱好者、开发者及研究人员。在这些场景中，更高的数学吞吐量意味着更快的令牌（tokens）处理速度。
与此同时，社区担忧此举可能扰乱二级市场。若大量用户收购旧款消费级显卡构建廉价机器学习集群，将推高需求与价格，进而挤压普通玩家的市场空间。目前，这些工具仅限Linux系统，需手动配置启动过程，且会使硬件保修失效。