黄仁勋惨了！英伟达被抓包恶意劣化显卡性能！AI限速近10倍
图片 「 黄圣变黄贼 」 之前AI芯片 Jalapeño 发布时，OpenAI科学家曾指控：英伟达GPU沉迷跑分参数，让超90%硬件性能白白浪费！ 现在，借助AI Coding技术，老黄的骚操作被网友扒出来！ 事情是这样的，最近开源AI推理引擎Strata以极限榨干硬件性能在全球科技圈大火，动辄在个人电脑上跑出赶超云端大模型的输出token速度！ 海外社交媒体X上，一群技术大拿开始自发将Strata适配到不同硬件上，然后大家惊讶地发现，英伟达竟然故意大幅限制自家显卡的AI性能近十倍！ 具体操作是： 英伟达人为将20～50系列显卡的AI专用矩阵乘法运算速度，降低50～80%！ 除此之外，故意让大模型每次运算时，通过闪存重新加载验证部分参数，造成大模型输出速度降低近90%！ X用户@tvytlx总结得很清楚：RTX 3090 Ti和A6000其实是同一块GA102硅片。区别不在核心数量、不在显存，甚至不在功耗墙，而在于 一个标志位 ——一个写着FULL_SPEED，一个写着HALF_SPEED。 Reddit上有人翻了大量代码后还原了事情真相：从20系到50系的消费级游戏卡，NVIDIA在FP16、BF16做矩阵乘再累加到FP32这条路径上，故意把指令发射速率砍掉一半。40系和50系连FP8也砍了。专业卡和数据中心卡则是全速。 被砍的，恰好是AI最吃算力的那几块： 训练、微调LoRA 文生图、文生视频这类扩散模型 大模型的prefill（读长prompt那一步） 一个人跟模型聊天、一个字一个字往外吐，基本没影响——那一步主要卡显存带宽。 有人实测，自己的RTX 6000 PRO核心数只比5090多10-15%，prefill却快了70%左右。差距就在这里。 GitHub上已经有开源项目 gpu-unlock （Zagitta维护），用一个Linux内核模块，在NVIDIA驱动接管之前抢先把速度选择器改掉。不需要刷vBIOS，也不需要每次驱动更新后重新打补丁。 3090 Ti实测数据相当夸张： BF16：87.5 → 157.4 TFLOPS （约+80%） TF32：42.6 → 82.6 TFLOPS （接近翻倍） FP16也有明显提升 社区反馈里，3080、3070、3060 12GB等卡也有60-80%的矩阵乘收益。vLLM长上下文prefill能快14-36%，ComfyUI生图大概快47-59%。token生成（decode）基本不变，因为那是带宽瓶颈。 40系已经有人在Windows上跑通AD103，并开始往其他型号移植；50系更难，NVIDIA加了熔丝专门读这个标志位。有意思的是，50系的FP4似乎没被砍。 仅仅过了一天，又有大神发现英伟达的另一项人为性能限制！ X用户@MinLiBuilds发布推文，揭露了自己仅改造英伟达显卡底层软件两行代码，就直接突破了官方的性能限制！ 一张魔改RTX 4090 48GB，跑DeepSeek-V4.1-Flash（ISTA GSQ-RCO IQ2_XXS，2.00 bpw），用Strata官方引擎。默认配置下生成速度只有 5.35 tok/s ，首Token等待动辄三十多秒，长提示词甚至超过100秒。折腾一上午查日志，发现真正的瓶颈居然是 SATA SSD 。 专家缓存命中率明明已经89.4%，但每生成一个Token，系统仍要从SSD读取约77.7 MB专家数据。SATA盘带宽就那么点，天花板自然卡在6 tok/s左右。机器有256GB内存，作者只改了两个参数： --ssd-cache 0 --mmap-experts off 把约91.7GB的CPU专家完整驻留进内存，不再频繁读盘。 结果直接起飞： 生成速度 5.35 → 42.64 tok/s （约8倍） 首Token等待 33.36 → 0.66秒 长提示词首Token 102.69 → 11.79秒 冷启动加载时间翻倍（约552秒），但日常使用体验完全变了。 这不是玄学超频，也不是改模型精度，纯粹是 把专家权重从“磁盘流式”改成“内存驻留” 。MoE模型的特性决定了：总参数巨大，但每个Token只激活少量专家。Strata这类引擎会把专家分层放在GPU缓存、系统RAM、甚至SSD上。默认配置在内存充足时仍可能走mmap/低RAM路径，导致即使命中率高，依然有大量磁盘I/O拖后腿。 内存对MoE真的太重要了。作者自己的总结很实在：这速度和首Token延迟目前还没到“生产可用”的128K/256K长上下文级别，但已经证明单卡4090 48GB的潜力远没挖完。接下来他计划继续压榨单卡极限、研究草稿模型加速、开大KV Cache、以及多卡测试。 你觉得这是英伟达为了保护硬件，而“不得不”写下的保护机制？ NO！ 对GPU寿命有影
