10 月 25 日上午，开源项目 GPU Unlock 在 GitHub 上公开了针对英伟达安培架构显卡的解锁方案。开发者 Zagitta 的做法是解除消费级 RTX 30 系列上的一项人为限制，让 FP16/BF16 张量核心运算的吞吐量在特定负载下接近翻倍，实测性能最高可提升 60%。
被解除的这项限制叫指令发射速率限制。在使用 FP32 累加的 FP16/BF16 张量核心运算中，消费级安培卡的实际运行速率明显低于专业卡。GPU Unlock 把这项速率放开，等于让显卡用回硬件本身具备的计算能力。
不碰驱动也不刷 VBIOS
这个项目的实现路径有些特别。它依靠一个 Linux 内核模块在英伟达驱动加载之前完成操作，修改硬件速度选择寄存器并执行一次功能级重置，之后原版驱动就能正常初始化显卡。用户更新驱动时不需要再打补丁，也不用永久刷写 VBIOS。项目目前标注支持 GA102、GA103、GA104、GA106 型号，覆盖了 RTX 30 系列的大部分产品，但官方明确表示不保证每一张卡都能兼容，也不保证都能获得性能提升。
跑分接近翻倍，游戏帧率不一定
项目仓库给出的数据相当诱人。功耗上限设在 450W 的 RTX 3090 Ti，在 FP32 累加的稠密矩阵乘法测试中提升明显。一位 RTX 3080 Ti 用户反馈，在 315W 功耗限制下 BF16 吞吐量从 71.59 TFLOPS 提升到 113.98 TFLOPS，TF32 从 35.65 TFLOPS 提升到 65.28 TFLOPS。
真实 AI 负载下的测试结果更能说明问题。Reddit 上一位 3090 Ti 用户在 ComfyUI 里跑分，MOSS-Image SFT 的 BF16 吞吐量提升了 58.6%，Qwen-Image 2.1 Turbo BF16 提升 57.2%，Z-Image Turbo BF16 提升 56.1%，而 INT8 精度模式下只提升了 0.3%。另一份 3090 的兼容报告里，vLLM 的提示词处理与推理吞吐量提升 33%，但词元生成速度基本没变，原因在于大模型解码环节的瓶颈往往是显存带宽而不是张量核心算力。
局限同样清楚。GPU Unlock 不会提高显存带宽，也不会解锁更多 CUDA 核心，至少有一份 RTX 3080 Ti 20GB 的反馈显示解锁流程执行成功但 BF16 性能没有出现预期提升。游戏方面目前也没有可靠证据表明它能提升帧率，项目还有一个基于 UEFI 的实验版 Windows 实现，开发者记录了 RTX 3090 的成功案例，BF16 提升约 82.5%，但只适配特定硬件。
谁该现在动手
对把显卡用于本地 AI 推理和图像生成的用户，这个项目值得试。本地部署的算力账本，可参考站内这篇 DeepSeek 开源推理框架 DeepInfer：GPU 占用减 35%、成本降 28%。对只想玩游戏的人来说，跑分好看并不等于帧数会涨。
延伸阅读
- 台积电Q3净利润同比暴涨65%背后：AI芯片需求如何重塑全球半导体格局1 周前
- AI安全哲学的正面碰撞：黄仁勋零容忍 vs 奥特曼风险管理1 周前
- Databricks AI Runtime 正式可用，训练周期压到48小时3 天前
- 英伟达发布 OpenShell 安全工具：阻止 AI 智能体绕过限制4 周前
继续读
同一批更新里这几篇值得一看：
- 英伟达确认 621.01 驱动缺陷：浏览器播放视频会卡住或黑屏2026-10-25
- 英伟达发布 Minerva：81 条告警压成 1 条，修复仅 6 小时2026-10-25
- RTX 5090 华强北炒至 6 万元，GDDR7 与 HBM 抢产能2026-10-25