GitHub 用户 Zagitta 发布的开源项目 gpu-unlock，通过在显卡驱动载入前修改硬件速度选择寄存器，解除了 Ampere 架构 GeForce 显卡在 FP16/BF16 张量运算（FP32 累加）上的指令发射率限制，社区实测 RTX 3090 的 BF16 矩阵乘法从 77.5 TFLOPS 升至 129.6 TFLOPS。
被锁住的那一半算力，其实写在寄存器里
这项解锁针对的是一类非常具体的运算：采用 FP32 累加的 FP16 与 BF16 张量核心操作。在 Ampere 消费级显卡上，这类操作的指令发射速率被设定在专业卡的大约一半，意味着同样一颗 GA102，跑矩阵乘法时只能发挥出一半出头的吞吐。这不是硅片层面的物理缺陷，而是产品分层惯用的手段——把同一批晶圆按定位切出不同的能力区间。
gpu-unlock 的做法不是超频，也不是刷写 VBIOS。它以 Linux 内核模块的形式，在官方驱动接管显卡之前改写硬件速度选择寄存器并重置 GPU，随后把控制权交还给未经任何修改的官方驱动。换句话说，被改动的只是显卡启动瞬间的初始化状态，固件、驱动、签名链条全部保持原样，这也让它比传统的魔改方案干净得多。
80% 是个诱人的数字，但它挑任务
社区兼容性报告给出的数字确实亮眼：RTX 3090 的 BF16 矩阵乘法从 77.5 提升到 129.6 TFLOPS，TF32 从 40.2 提升到 69.8 TFLOPS；RTX 3090 Ti 的 BF16 吞吐则从 87.5 跃升到 157.4 TFLOPS，接近八成。但这些数字的共同前提是纯算力密集型负载——矩阵乘法的瓶颈完全压在 Tensor Core 上，发射率翻倍，成绩自然跟着翻。
换成真实应用就未必了。有 RTX 3090 用户测试本地大模型推理，长上下文提示词处理快了约 16%，而逐 token 生成速度几乎没有变化——因为自回归解码阶段卡在显存带宽上，算力并非瓶颈。RTX 3090 Ti 跑 ComfyUI 时，几个重度依赖 BF16 的图像生成负载提升约 47% 至 59%，介于两者之间。同一个工具，三种截然不同的结果，恰好说明了这类”解锁”的真实收益取决于应用的瓶颈位置，而不是寄存器本身。
它救的不是游戏帧数，是二手卡的剩余价值
游戏玩家大概率要失望。DLSS 虽然同样跑在 Tensor Core 上，但目前没有任何经过独立验证的基准测试能证明该工具带来帧率提升，而游戏渲染的瓶颈往往落在光栅单元、显存与帧调度上。加上项目现阶段仅支持 Linux，实验性的 Windows 移植版只在一套特定系统上成功启动，把它装进主力游戏机显然不是明智选择。
真正受益的场景更朴素：预算有限却想做本地推理、跑图像生成、搭小型渲染节点的人。RTX 30 系如今在二手市场存量巨大，如果能以零硬件成本换回三到五成的有效算力，这笔账比换新卡划算得多。更值得留意的是它证明的事情——消费级与专业级之间那道看似坚硬的算力鸿沟，有相当一部分只是出厂设定，而非物理事实。这类项目每一次成功，都是在提醒厂商：分层的边界划在哪里，终究要经得起社区的反复试探。
