你给本地 AI 塞进一份很长的材料，它往往要先“读”很久，才开始回答。现在，社区开发者发现：部分 RTX 30 系消费显卡处理这一步时，可能背着一道软件层面的限速。解除限制后，长文本读取确实能加快；但它不是“显卡免费翻倍”，逐字生成答案的速度也几乎没变。
目前证据全部来自 Reddit 用户测试及相关社区项目，没有 NVIDIA 官方说明、论文实测或代码仓库审计。下面的数字因此只能视为社区复现结果，不能外推到所有型号和软件环境。
解开的到底是哪道锁？
争议的核心不是“RTX 3090 有一半 CUDA 核心被禁用”。CUDA 是 NVIDIA 的 GPU 计算平台和工具链，这种说法容易让人误以为显卡有一半物理单元闲置。现有材料支持的说法更具体：消费卡上的部分矩阵运算，在采用 FP32 accumulation 时受到吞吐限制。
这里的 accumulation，指矩阵乘法过程中把许多乘积不断相加。输入可以使用 BF16——一种常用于神经网络的 16 位浮点格式——但中间求和仍用 FP32，以保留更高精度。GEMM 则是通用矩阵乘法，几乎是神经网络计算的基本动作。所谓解锁，主要改变的是这类特定运算，不会让所有程序、所有 CUDA kernel 一起提速。
据 Zagitta 的 gpu-unlock GitHub 项目介绍，这套方法沿用了破解 NVIDIA CMP 矿卡限制的旧技术。开发者把它放进 UEFI 启动流程：Linux 内核模块在 NVIDIA 驱动接管显卡前改写速度选择寄存器，重置显卡，再把设备交还给未经修改的官方驱动。换句话说，它不是换驱动，而是在驱动上班前先改一次显卡状态。
目前已有独立社区报告称，它在 RTX 3080 20GB 和 RTX 3090 上生效。至于 RTX 40、50 系以及各档位型号能否用同样办法解锁，现有材料还不能确认。
微基准接近翻倍，模型没有
一位 RTX 3090 用户报告，解锁后 BF16 tensor pipe 从 82 升至 155 TFLOPS，TF32 从 41 升至 79 TFLOPS；cuBLAS 的 BF16 GEMM 8192 测试则从 64 升至 99 TFLOPS。这些是微基准——专门测某一种运算的短测试。它们能说明限制确实可能存在，却不等于整个 AI 应用会快 1.9 倍。
同一用户在两张 RTX 3090 上运行 Strata/Qwen3.8 Flash-Next，实际 prefill 只提升约 10%—12%；90K 上下文从每秒 3205 个 token 增至 3536 个。Prefill 是模型先读完整段输入、建立内部状态的阶段，矩阵计算比较集中。测试中 GEMM 阶段缩短约 23%，但它只占 prefill 约 40%；其余 INT8 experts、数据复制和 CUDA core kernels 没有变快，所以总收益被摊薄了。
另一位用户测试两张非标准市场描述的 RTX 3080 20GB，在不同提示长度下，prefill 吞吐提高约 20.8%—28.6%，TTFT——从提交问题到看到第一个 token 的等待时间——缩短约 17.2%—22.3%。但 decode steps/s 基本不变。Decode 是模型随后逐个 token 写出答案的阶段，瓶颈与 prefill 不同。本刊 10 月 11 日的报道已提醒，这两个阶段不能混为一个“模型速度”。这次结果正好再次说明了这一点。
为什么仍然值得关注？
因为被影响的恰好可能是本地 AI 用户很在意的计算密集型工作。多位社区作者认为，它可能涉及训练、LoRA 或微调、扩散模型，以及大语言模型的 prefill。LoRA 是一种只调整少量参数的轻量微调方法；扩散模型则常用于图片、视频等内容生成。
如果复现范围继续扩大，旧消费卡可能在部分工作负载中获得一笔无需更换硬件的性能红利。但合理预期应是“某些阶段快一些”，而不是“整张卡翻倍”。不同帖子采用的 GPU、模型、量化方式、功耗、驱动与软件栈并不相同，10%和29%也不能直接拼成一个普遍结论。
局限与未知
- 现有核心数据均来自社区帖子。没有 NVIDIA 官方解释，也没有独立论文或代码审计确认机制与安全性。
- RTX 40、50 系是否存在可实际解除的同类限制，以及不同档位能否复现，仍未得到本组材料验证。单一作者虽列出各代受影响精度，证据还不足以坐实完整范围。
- 正确性目前只有有限检查：一位 RTX 3090 用户称，在相同 expert cache 配置下，1996 个 teacher-forced positions 的 log-prob 输出逐字节一致。这是积极信号，但不能替代更广泛的稳定性、兼容性与安全测试。解锁还要在驱动加载前改写寄存器并重置设备，其代价目前无法定量判断。