今天你的AI信息流大概率被同一个话题刷过：RTX 4090算力翻倍、3090"只开了一半"、一条命令白嫖60%性能。起因是GitHub上一批挖英伟达GPU底层限制的开源项目，最热的gpu-unlock-ada两天攒下2.7k Star。本地跑模型的圈子里，"旧卡免费升级"的空气已经开始热起来了。哔哩哔哩36氪
但"翻倍"这两个字，拆开看水分不小。我把36氪/机器之心的长文、四个GitHub项目的实测报告、以及目前唯一一组公开的大模型端到端数据全部对了一遍，结论先放这儿：被解锁的是指令吞吐率，不是你的推理速度；真正能吃到肉的是预填充和炼丹，逐Token生成纹丝不动。36氪
一、解锁的到底是什么：不是超频，是一条被人为踩住的速度限制
这批项目（Ada架构的gpu-unlock-ada、Ampere的gpu-unlock、Turing的turing-unlock，外加一个Windows方向的AD103_win_unlocker）做的是同一件事：英伟达部分GeForce显卡的Tensor Core在"FP16/BF16输入、FP32累加"这类混合精度运算上存在指令发射速率限制，GPU内部用SS0/SS1两个受保护的寄存器控制这条路径的油门。开发者借GPU安全启动固件里的漏洞（技术路线来自此前CMP矿卡解锁的V67玩法，用ROP改写权限掩码）拿到写入权限，把速率配置改掉，再经过一次PCIe功能级重置（FLR）让配置生效——之后完全没动过的NVIDIA官方驱动照常接管。不换硬件、不刷BIOS、不加功耗墙、不超频，4090全程锁在450W。36氪
换句话说：这不是把榨干的卡再榨一遍，而是英伟达本来就把这条计算路径人为限速了，现在有人把限速脚本开源了。
二、数据摊开算：指令层翻倍是真的，端到端翻倍是没影的
测试层级 | 显卡 | 解锁前→后 | 真实增幅 |
|---|---|---|---|
Tensor Core指令吞吐 | 4090（FP16/32acc） | 165.6→331.6 TFLOPS | ≈2.0×（独立复测160.4→320.4） |
实际矩阵乘GEMM | 4090（4096³） | 153.2→206.0 TFLOPS | +34.4%（其余规模+12%~34%） |
实际GEMM | 3090Ti（BF16） | 87.5→157.4 TFLOPS | +80%；TF32 +94% |
实际GEMM | 3080 10G（BF16） | 65.4→113.4 TFLOPS | +73% |
实际GEMM | 2080Ti（2048³） | 55.7→91.4 TFLOPS | +64.1% |
底层MMA指令 | 2080Ti（ASUS TU102） | 46.94→93.66 TFLOPS | ≈2.0× |
LLM预填充 | 3090跑vLLM 27B BF16 | — | +33%，首Token响应快24% |
LLM逐Token生成 | 同上 | — | 基本没变 |
三个必须自己看清楚的折扣：
指令吞吐翻倍 ≠ 干活翻倍。 4090的底层测试确实几乎×2，但一进cuBLAS真实矩阵乘，只剩+12%~34%，BF16甚至在4096规模基本原地踏步——真实计算还要搬数据、调度，不吃指令发射这一条限速。36氪
受益面被精度路径卡死。 FP16输入FP16累加（本来就没被限速）、INT8（约661 TOPS纹丝不动）、普通FP32（79.1 TFLOPS没变）统统没戏。游戏也基本无关——这动的是AI张量运算路径。
2080Ti的数据反讽拉满。 解锁前2048规模实测55.7 TFLOPS，已达英伟达Turing白皮书标称56.9的97.9%；解锁后91.4，达到标称的160.6%。八年前标称的"峰值"，原来也只是"限速后的峰值"。
三、为什么本地跑大模型只快预填充：整条赛道都在同一道算术题里
目前唯一公开的大模型端到端实测（RTX 3090，vLLM跑27B BF16）给出的画面是：预填充+33%、首Token等待缩短约24%、逐Token生成没有明显变化。这不是巧合，是这套限速恰好卡在"算力墙"上，而大模型推理最贵的解码环节卡在"内存墙"上。36氪
本地圈这周聊的三件事拆开看其实是同一道题：
解锁党：预填充是大段Prompt并行走矩阵乘，算力受限，吃得到肉；解码一次只算一个Token，瓶颈在显存带宽，跟Tensor Core油门无关。
DeepInfer党：DeepSeek上周开源的生产级推理引擎听着炸裂（单集群155万亿Token/天），但首发只支持SM100级Blackwell和昇腾950，你的3090/4090/H100根本不在支持列表里。有折腾党把其中技术"炼化"到RTX Pro 5000工作站卡上（9个技术点只搬了2个，107→142 t/s，还是Agent任务口径），评论区一句"瓶颈卡在内存带宽，不是显卡"就是原因。而vLLM和SGLang已在72小时内把这批开源算子收进主线，追平甚至部分反超。知乎哔哩哔哩知乎
内存党：双3090+双路EPYC跑出"1900预填充/30解码"的1017部署，靠的是512GB级DDR3内存池堆出来的，评论区"512G内存喂长文还爆过""1024GB内存？告辞！"才是普通人的现实。哔哩哔哩
所以"本地大模型提速"这件事，本周的正确姿势是：你的引擎该升版本就升（vLLM/SGLang新算子红利免费领），但别为任何单一爆点冲硬件——除非你确认自己卡在算力和带宽的哪一侧。
四、要不要跟：一张对号入座的清单
值得动手的： 长期跑BF16/FP16预填充重负载（本地知识库、长文RAG、Agent批量任务）、做微调炼丹或SD生图（计算密集、TF32收益3090Ti实测+94%）、主力Linux且有备用卡验证条件。30系矩阵类工作负载的+70%~80%是独立复测过的真提升，120秒持续测试下功耗几乎没涨（318W左右）、温度78→79℃、输出逐位一致。36氪
先别跟的：
日用聊天党：你体感的速度就是逐Token解码，那部分没变，别为"翻倍"头条折腾一张主力游戏卡。
Q4量化单流党：llama.cpp小显存GGUF本来就带宽受限，这条限速解锁帮不到你。
3060/3070用户：矩阵运算+76%~81%不假，但这俩跑大模型先撞的是8GB/12GB显存墙，算力排不上号。
Windows用户：目前唯一公开成功案例是一张改到32GB显存的4080魔改卡，普通4080/40系通用性没验证，抄作业前先想想保修。36氪
奔着"印钞机"去的：DeepInfer官方口径"单卡时租38美元、10个月回本"和"单集群一天155万亿Token"，都来自官方叙事。实测部署的提醒更实在：这些性能、收入与基准数据均为自测口径，未见第三方独立复现，矿潮剧本别信第二遍。微博哔哩哔哩知乎
风险也得说白：这套方案的本质是利用GPU安全启动固件漏洞写入受保护寄存器，走的是内核模块/UEFI启动前程序，固件、驱动版本兼容性都还在验证期，20系列只有TU102两张卡被独立验证，稳定性、保修影响没有任何人替你背书。它是个值得收藏跟进的开源事件，不是一个可以无脑执行的"一键提速"。36氪
后续观察信号：gpu-unlock系项目是否放出持久化/驱动更新后的行为说明；英伟达是否从固件层面堵口；vLLM/llama.cpp官方是否把BF16预填充的端到端收益测出来；Windows版是否走出魔改卡。官方README也写得很清楚，DeepInfer目前主要是一套离线推理引擎与底层算子集，完整的线上服务系统层还缺着。引擎层的竞争也在加速，今天谷歌开源TorchTPU，把TPU做成了PyTorch原生设备。知乎36氪
模型权重决定上限，推理框架决定单价。 而这一周本地圈真正该记住的是第三种账：你的每一分提速，得先问它是算力的肉，还是带宽的汤。 你手上的卡在哪一侧，评论区可以晒一下。知乎
