英伟达（NVIDIA）略显老迈的GeForce RTX 30系列（代号Ampere）GPU显然还有相当可观的算力潜力尚未被挖掘。GitHub用户Zagitta开发的一个名为GPU Unlock的全新开源项目，能让Ampere架构GPU突破某些人为设置的性能限制，在特定工作负载下将Tensor Core计算吞吐量提升近一倍，且无需修改英伟达驱动，也无需永久刷写VBIOS。
该项目专门针对影响FP16/BF16 Tensor Core运算（配合FP32累加）的指令发射速率限制——消费级Ampere显卡在这一环节的速率低于专业级产品。通过解除这一限制，该工具实际上释放了GPU本就具备的额外算力。
有意思的是，GPU Unlock建立在此前针对英伟达CMP加密货币挖矿GPU的研究基础之上。它将CMP项目的固件解锁技术与一种早期初始化方案相结合，利用一个在英伟达GPU驱动加载之前执行的Linux内核模块。该模块会修改相关的硬件速率选择器，执行一次功能级复位（FLR），随后让未经修改的驱动正常初始化GPU。
一块英伟达CMP 170HX加密货币挖矿GPU的PCB板。
这也意味着用户不必在每次新驱动发布后都去给英伟达驱动打补丁。开发者目前列出的支持型号包括GA102、GA103、GA104和GA106 GPU，覆盖了GeForce RTX 30系列产品线中的相当一部分，不过并非每块显卡都能保证兼容性和性能提升。
性能提升可能相当惊人。根据该项目GitHub仓库公布的基准测试，一块功耗限制为450W的RTX 3090 Ti在配合FP32累加的稠密矩阵乘法（GEMM）测试中取得了如下结果：
FP16：原厂87.46 TFLOPS，GPU Unlock后118.39 TFLOPS，提升35%
BF16：原厂87.50 TFLOPS，GPU Unlock后157.41 TFLOPS，提升80%
TF32：原厂242.58 TFLOPS，GPU Unlock后82.61 TFLOPS，提升94%
这些结果并非RTX 3090 Ti独有。一位RTX 3080 Ti用户报告称，在GPU功耗限制为315W的情况下，BF16吞吐量从71.59 TFLOPS提升至113.98 TFLOPS，TF32性能则从35.65 TFLOPS提升至65.28 TFLOPS。另一份RTX 3080 10GB的兼容性报告记录显示，在显卡原有320W功耗限制下，FP16/BF16性能从约65 TFLOPS提升至110至113 TFLOPS。这些提升同样在X平台上引发了关注。
那么实际应用性能如何？幸运的是，社区成员已经开始在真实AI工作负载中测试这一解锁方案，初步结果令人鼓舞。
一位Reddit上的RTX 3090 Ti用户在ComfyUI中对GPU Unlock进行了基准测试，报告称MOSS-Image SFT BF16吞吐量提升58.6%，Qwen-Image 2.1 Turbo BF16提升57.2%，Z-Image Turbo BF16提升56.1%。相比之下，INT8配置的提升幅度要小得多，MOSS-Image SFT INT8仅提升0.3%。测试者还表示，原厂配置与解锁配置下解码输出的图像完全一致。
大语言模型（LLM）推理是另一个潜在受益场景，不过提升幅度在很大程度上取决于具体工作负载。例如，一份RTX 3090兼容性报告记录显示，vLLM的提示处理/推理吞吐量提升了33%，而token生成几乎保持不变。这也在情理之中，因为LLM解码往往受限于内存带宽，而非Tensor Core的原始计算吞吐量。
另一个值得关注的进展是实验性的Windows实现方案，它采用基于UEFI的方式，而非最初的Linux内核模块。其开发者记录了一次成功的RTX 3090实现，BF16计算吞吐量提升约82.5%。不过，这仍是一个实验性、针对特定硬件的方案，而非通用兼容的Windows版本。
当然，限制也同样存在。GPU Unlock并不会提升内存带宽、启用额外的CUDA核心，也不会自动改善所有工作负载。至少有一份RTX 3080 Ti 20GB的兼容性报告记录了解锁流程成功执行，却未出现预期的BF16性能提升，这说明结果并非普遍适用。
至于游戏方面，英伟达的DLSS技术同样会用到Tensor Core，但目前尚无令人信服的证据表明GPU Unlock能提升游戏性能或DLSS执行速度。只有当实际工作负载用到受影响的指令和累加模式时，性能红利才会兑现。因此，那些亮眼的算力基准成绩不应被误读为游戏帧率的等比例提升。
尽管如此，对于GeForce RTX 30系列用户而言，GPU Unlock仍是一个颇具吸引力的进展，尤其是那些用GPU进行本地AI推理、图像生成及其他计算密集型应用的用户。虽然该项目仍处于实验阶段，但无需永久修改硬件就能从现有设备中榨取更多性能，这一前景无疑令人心动。
