FP16、BF16、FP8、矩阵乘法效能翻倍
【RTX 40 宣告失守 😱】老黄，这就是你想要的 AI 世界了吗？昨日才说 RTX 40 没被破，相隔不到 12 小时就被另一位神人 JustAResearch 透过 AI 逆向工程攻破，成功解锁 GeForce RTX 40 系列的算力限制，涵盖 RTX 4090 至 RTX 4060 Ti 全系列产品。在无需刷写 vBIOS 及修改驱动程式的前提下，实现了 FP16、BF16、FP8 运算甚至矩阵乘法效能最高超过 2 倍的显着增长。
NVIDIA 为了利润最大化，往往会将半精度浮点算力与 vGPU 功能保留给昂贵的 Quadro、Tesla 及 A 系列等资料中心或工作站级专业显示卡。一般市售的 GeForce 游戏显示卡即使具备相同晶片核心，但效能与功能都被原厂在软体层面锁定。
根据 GitHub 开源专案「GPU-Unlock-Ada」作者表示，与前代 RTX 30 系列不同，RTX 40 系列导入了全新签名引导韧体（Signed Boot Firmware），并额外增设四道严密的权限验证关卡，导致先前的破解模组无法直接套用。
JustAResearch 指出，RTX 40 系列全线共用同一套底层引导韧体架构。新释出的载荷能够在作业系统驱动程式绑定显示卡硬体前，一次性绕过这四重权限验证。由于架构具备共用特性，只要针对 AD10x 核心的底层逻辑进行调整，便能同步通用于从旗舰级 RTX 4090 到主流级 RTX 4060 Ti 的完整产品线。
经多款显示卡实测验证，解除限制后的各款 Ada Lovelace 核心在深度学习与张量运算（Tensor Core）负载中展现出庞大的效能释放，AI 矩阵运算效能最高提升 2.14 倍。
◾GeForce RTX 4090：在 FP16 / BF16 指令吞吐量方面，直接从原本的 165.6 TFLOPS 翻倍攀升至 331.6 TFLOPS。在 500W 功耗设定下执行 cuBLAS $8192^3$ 矩阵乘法运算时，TF32 算力从 77.5 TFLOPS 暴增至 165.9 TFLOPS（达 2.14 倍），目前已在至少三张不同品牌的非公版显示卡上成功重现。
◾GeForce RTX 4080 SUPER：于 PyTorch 矩阵乘法环境测试下，FP16 运算自 110.6 TFLOPS 提升至 202.7 TFLOPS（提升 1.83 倍）。透过 mmapeak 实际量测，RTX 40 系特有的 FP8（FP32 累加）效能亦由 201.8 TFLOPS 跃升至 376.1 TFLOPS。
◾GeForce RTX 4070 Ti SUPER：在限制于 240W 功耗的情境下，FP16 / BF16 运算量由 95 TFLOPS 提高至 189.9 TFLOPS；而在 CUTLASS 4.8.1 原生 FP8 快速累加矩阵乘法测试中，更从 158.5 TFLOPS 提升到 309.1 TFLOPS（提升 1.95 倍）。验证结果显示，全数 322 万个输出单元皆维持「零位元误差（Zero-bit difference）」，确保了运算精确度完全未受损害。
◾GeForce RTX 4060 Ti 16GB：在三卡同机的对照测试中，即便受到 182W 功耗上限限制，BF16 与 FP16 效能依旧录得 38% 至 39% 的稳定增幅。
更重要的是，这次专案不仅在 Linux 能用，只要配搭 Hugging Face 平台上架的专属解锁工具（储存库名称为 TOTORONG/AD103_win_unlocker），就可在 Windows 平台使用。
资料来源:
