最近，有开发者发现，部分英伟达 RTX 30 系列显卡的 Tensor Core 在执行特定矩阵运算时，存在人为设置的速度限制。开发者找到了通过软件绕过这一限制的方法。@Appinn
通过解锁，可以让部分 AI 矩阵计算性能提升 60%～近 100%。
目前已经出现两个开源项目：
- Linux：GPU Unlock
- Windows：Windows GPU Unlock
都是最近几天（2026年10月）刚出现的新项目。
英伟达限制了什么？
受影响的主要是采用 Ampere 架构、GA102 和 GA104 核心的显卡，包括 RTX 3090、3080、3070 等。
这些显卡本身具备相应的计算能力，但部分 Tensor Core 运算路径受到硬件配置限制。开发者找到了修改相关配置的方法，让显卡释放出原本未能充分发挥的计算吞吐率。
这不是超频，也不是凭空增加计算单元，而是解除部分计算路径的吞吐限制。
解锁后到底快多少？
目前已有多款显卡的用户提交实测：
| 显卡 | 解锁效果 |
|---|---|
| RTX 3090 Ti | BF16 +80%，TF32 +94% |
| RTX 3090 | 75 → 135 TFLOPS，提升 80% |
| RTX 3080 Ti | BF16 +67%，TF32 +73% |
| RTX 3080 10GB | FP16/BF16 提升约 69%～74% |
| RTX 3080 20GB 改装版 | 特定矩阵计算约翻倍 |
| RTX 3070 | 已有成功解锁报告 |
其中，一位 RTX 3090 用户在 360W 功率上限下，使用 PyTorch 测得计算吞吐率从 75 TFLOPS 提升至 135 TFLOPS：
英伟达限制的并不是显卡本身的计算能力，而是某种计算方式的运行速度。
简单来说，显卡明明有能力算得更快，但在执行某些 AI 矩阵计算时，却被限制了速度。
这次解锁就是绕过了这道限制，这不是超频，不会提升游戏帧率，但如果模型和推理引擎使用了这种计算方式，则可以提升性能。
KBlueleaf 认为，由于显卡原本就能通过其他计算方式达到类似的速度，解锁造成硬件损坏的风险应该很低。
运行本地大模型，也能快一倍吗？
昨天，有人用 RTX 3090 测试了本地大模型推理引擎 Strata：
- 16K 提示词处理速度：提升 16%
- 首个 token 等待时间：缩短约 14%
- 生成速度：基本没有变化
但另有用户测试 llama.cpp 量化模型，发现解锁前后几乎没有区别。
Windows 也能解锁了吗？
可以，但目前还比较麻烦。
Linux 版本已经有多款显卡、不同主板甚至 Proxmox 虚拟机的成功案例。
Windows 版本则通过 UEFI 启动程序，在 NVIDIA 驱动加载之前完成解锁。目前只在有限的硬件配置上得到验证，并不是下载后双击就能使用。
两个项目都很新，涉及显卡底层操作，存在兼容性和稳定性风险，暂时不建议在主力电脑上直接尝试。
至于英伟达为什么设置这些限制，目前还没有官方解释。
