你的4090只有半速，钥匙被人挂在了GitHub上

如果你看过末世题材的影视剧，多半见过这个经典桥段：基地能源表只显示一半容量，设备勉强维持运转，直到主角拆开外壳才发现，剩下一半能源模块明明完好，只是被人为锁住，无法调用。

这个只存在于剧本里的设定，如今在我们日常使用的显卡上变成了现实。我们手里的消费级 RTX 显卡，硬件本身具备完整 AI 算力，却被一道软件限制，张量核心只能以一半的速度工作。

最近 GitHub 上一个热度飙升的开源项目，把这件事摆到了所有人面前。项目标题直白地告诉大家，你的 GeForce 显卡跑 AI 任务，性能天生就被压在了半速。

刚刷到这个项目的时候，很多人都和我一样，只当是爱好者博眼球的噱头，毕竟 GitHub 上夸张标题的工具层出不穷。可静下心读完项目文档，很难再轻松一笑。项目上线短短两周，收获一万四千多星标，上千次代码复刻，大量玩家和本地 AI 爱好者陆续放出实测数据，证明这个限制真实存在。

很多人第一反应会好奇，这道锁到底管住了什么。它并不是把显卡的所有性能砍掉一半，专门针对 AI 计算最核心的张量核心。

FP16、BF16、TF32 这些当下本地大模型推理、小规模训练最常用的精度格式，全都受到约束，尤其是搭配 FP32 累加的矩阵运算，正是 AI 模型运算的基础单元，这类任务会直接被限制在半速运行。

一个很容易被忽略的事实是，芯片本身没有任何硬件缺陷，同一块晶圆切割出来的核心，一旦封装成 RTX A 系列专业卡或者数据中心计算卡，张量核心就能全速发挥性能。二者的差别，不在于制造工艺，也不是芯片良率筛选，仅仅是出厂时的软件开关。英伟达官方的技术文档里，甚至清晰标注了两类显卡的算力差异，没有刻意遮掩。

背后的逻辑其实就是行业里很成熟的市场分层策略。面向企业、科研机构的专业卡定价远高于游戏卡，如果消费级显卡放开全部 AI 算力，会直接冲击高价专业产品线的市场空间。

厂商通过这种方式划分产品定位，让有商用 AI 计算需求的团队，只能选择价格更高的专业型号。换句话说，我们花高价入手的 4090 这类高端游戏卡，硬件上完整的 AI 算力，有一半从出厂开始就被锁死，这部分性能一直躺在硅片里，却没有调用权限。

而这个名为 gpu-unlock 的开源项目，做的事情就是找到这把锁的解锁方式。

它的实现思路并不算复杂，在系统启动阶段，抢在英伟达官方驱动加载之前，修改显卡内部寄存器的参数，把张量核心的速率调整为全速，完成设置之后，再把显卡控制权交还给原版驱动，全程不需要修改驱动文件，也不用刷写 VBIOS 固件。这就意味着，后续官方驱动正常更新，解锁状态不会失效，不用反复操作。

项目采用 GPL-2.0 开源协议，所有代码完全公开，任何人都可以查看、审计源码，规避黑盒工具带来的风险。社区也做了拆分适配，主项目负责 RTX30 系，Ada 分支专门适配 40 系，还有独立仓库针对 20 系 Turing 架构，三代主流消费显卡都有对应的适配方案。

从纸面参数来看，解锁之后张量核心算力直接翻倍。4090 的 BF16 矩阵运算算力从 165TFLOPS 提升至 329TFLOPS，3060 这类性价比甜品卡，也能从 27TFLOPS 提升到 51TFLOPS。但纸面跑分翻倍，不等于所有 AI 任务的实际速度都会同步翻倍。

在本地跑大模型的场景里，提升最明显的是模型加载、上下文预填充阶段，也就是我们发送提示词之后，模型开始输出文字之前的等待过程。这个阶段高度依赖张量算力，解锁之后，这个环节的速度普遍提升 25% 到 55%，首 token 等待时间明显缩短，部分用户在 30 系显卡上测出接近六成的性能涨幅。对于长期用 Ollama、vLLM 跑长文档、长上下文对话模型的用户来说，这个提升非常实用，更长的上下文窗口、更大的文档一次性处理，都不再那么吃力。

项目作者很清醒，文档里专门整理了一张表格，坦诚说明哪些场景下解锁没有效果，这种务实的做法在开源圈子里并不多见。首先，日常大量使用的 GGUF 量化模型，提升幅度微乎其微，大多在 0 到 15% 区间。

llama.cpp、Ollama 默认使用的 INT4、INT8 量化，本身就不在这道算力锁的限制范围内，解锁张量核心对这类低精度任务帮助有限。其次，模型逐字生成回复的阶段，瓶颈转移到显存带宽，和张量算力无关，所以 AI 聊天时文字输出的速度基本不会变化。

最后，新一代 50 系 Blackwell 架构显卡，锁的机制已经完全改动，项目作者明确表示，基本不会做适配，想要解锁新卡的用户可以打消这个念头。

在支持列表里，RTX30 系的适配成熟度最高，大量用户提交实测反馈，稳定性最好；40 系和 20 系还处在实验阶段，想要尝试需要自行承担风险。笔记本独显用户还要额外留意，笔记本显卡进入深度省电 D3cold 状态断电之后，解锁效果会失效，想要持续保持全速，需要手动关闭显卡的深度休眠策略，不然合上电脑休眠再唤醒，显卡又会回到半速的限制状态。

目前这套方案只在 Linux 系统下成熟可用，操作流程并不复杂，安装内核模块，在启动参数添加对应的标记，重启电脑就能生效。作者也做了验证，解锁之后模型运算结果和解锁前完全一致，不会改变计算准确性，显卡原生的功耗墙、温度保护机制也保持原样，不会因为解锁直接烧坏硬件，只是高负载下温度会有小幅上升。