RTX 4090算力翻倍！开源解锁英伟达GPU隐藏算力

一张RTX 4090，未更换任何硬件，特定Tensor Core运算吞吐率从165.6 TFLOPS飙升至331.6 TFLOPS，接近翻倍。RTX 3090 Ti、RTX 4070 Ti SUPER，甚至2018年发布的RTX 2080 Ti，也在社区测试中取得显著提升。

这一发现源于GitHub开发者对英伟达GPU底层计算限制的探索。他们发现部分GeForce显卡的Tensor Core在执行特定混合精度运算时存在指令发射速率限制，通过修改GPU启动阶段的相关配置，可让受限运算路径恢复更高吞吐率。无需更换GPU或刷写BIOS，原版NVIDIA驱动可照常运行。目前RTX 20、30、40三代显卡的相关项目均已出现在GitHub上，部分开发者还在Windows 11环境完成实验。

最引人注目的是RTX 4090。开发者JustAResearcher在开源项目gpu-unlock-ada中展示了解锁前后测试结果，项目2天积累2.7k Star。在FP16输入、FP32累加的Tensor Core运算中，吞吐率从165.6 TFLOPS升至331.6 TFLOPS；BF16输入、FP32累加从165.5 TFLOPS升至330.6 TFLOPS。将测试循环从2万次增至4万次，结果基本一致。实验未更换硬件，也未提高功耗上限、手动超频或修改官方驱动。测试显卡采用AD102芯片，128个SM，运行Linux 7.2.4内核，功耗上限450W。开发者利用GPU启动阶段固件执行流程打开受保护寄存器写入权限，修改控制计算速率的寄存器配置，经PCIe功能级重置后由未经修改的NVIDIA 615.78.08驱动正常接管。另一位RTX 4090持有者独立复测，FP16/FP32吞吐率从160.4 TFLOPS提升至320.4 TFLOPS，BF16/FP32从159.7 TFLOPS提升至320.2 TFLOPS。

但性能提升并未覆盖所有运算类型。FP16输入、FP16累加解锁前已达325.7 TFLOPS，解锁后为331.6 TFLOPS；INT8运算维持在661 TOPS左右，普通FP32标量运算约79.1 TFLOPS。在cuBLAS矩阵乘法测试中，FP16吞吐率提升约12%至34%，4096×4096矩阵乘法从153.2 TFLOPS提升至206.0 TFLOPS，增幅约34.4%；BF16在1024×1024和8192×8192规模分别提升约19.6%和16.0%，但4096×4096基本无变化。底层指令吞吐率翻倍不意味着实际AI训练或推理速度翻倍。

RTX 30系列同样取得进展。开发者Zagitta的开源项目gpu-unlock已在多款RTX 30系列显卡上成功。RTX 3090 Ti在450W功率上限下，BF16矩阵运算吞吐率从87.5 TFLOPS提升至157.4 TFLOPS，增幅近80%；TF32提升达94%。RTX 3080 10GB的BF16吞吐率从65.4 TFLOPS提升至113.4 TFLOPS，增幅约73%；RTX 3070和RTX 3060分别取得约81%和76%的提升。该方案同样利用GPU启动阶段固件执行流程修改控制Tensor Core指令发射速率的寄存器配置，借鉴CMP显卡解锁项目的V67技术，通过返回导向编程修改权限级别掩码，获得寄存器写入权限，将SS0设为088888888、SS1设为08，使运算路径切换到更高指令发射速率。解锁过程整合进Linux内核模块，在官方驱动接管前运行，经PCIe功能级重置后由未修改的NVIDIA驱动正常加载。

一位RTX 3080 10GB用户在320W功率上限下测试，BF16吞吐率提升约73%，FP16/FP32矩阵运算吞吐率从64.88 TFLOPS提升至110.14 TFLOPS，增幅约70%。120秒FP16/BF16交替矩阵运算测试中，计算次数从6940次增至11860次，平均吞吐率提升约71%，功耗均约318W，峰值温度分别为78℃和79℃。FP16、BF16和TF32矩阵运算解锁前后输出完全一致。FP16/FP16累加运算吞吐率保持在112 TFLOPS左右，INT8和普通FP32运算几乎无变化。实际AI任务中，RTX 3090用户使用vLLM运行27B BF16大模型时，提示词预填充速度提升约33%，首个Token响应时间缩短约24%；两张显存扩容版RTX 3080在大模型预填充测试中取得约33%至36%的性能提升。但逐Token生成速度无明显变化，因该阶段更受显存带宽限制。