一句话看懂：一个名为 gpu-unlock 的开源项目声称通过 Linux 内核模块改动寄存器，释放 NVIDIA RTX 30 系列被限制的 FP16/BF16 Tensor 指令发射速率，让 3090 Ti 等显卡的 BF16、TF32 算力接近翻倍。目前信息来自社交平台帖文，尚待更广泛的独立验证。
事件核心：发生了什么
2026 年 10 月，X 平台用户 @NFT_Chen 发布帖文称，开源项目 gpu-unlock 可在驱动加载前修改寄存器，解除 NVIDIA 长期对 RTX 30 系消费卡 FP16/BF16 Tensor 指令发射速率的限制——原速率约被压到专业卡的一半。按帖文数据，3090 Ti 的 BF16 从 87.5 提升至 157 TFLOPS，TF32 从 42.6 提升至 82.6 TFLOPS；3080 的 FP16/BF16 约从 65 提升至 110–113 TFLOPS。帖文还称在 vLLM 长上下文 prefill 场景下快 33–36%，首字延迟降低 25%，且结果比特一致，社区已在 3070/3080/3090 上复现。使用方式是 Linux 下 clone 仓库、make install、在内核参数加入 gpu_unlock.targets=all 并关闭 Secure Boot，重启后通过 journalctl 查看解锁日志。
为什么重要
如果数据成立，这意味着大量存量 RTX 30 系显卡的推理吞吐可以明显提升，本地运行大模型、长上下文 Agent 和 vLLM 服务的单位算力成本会下降。NVIDIA 用驱动和固件在消费卡与专业卡之间划分算力档次是长期做法，这一项目绕过了 BIOS 和驱动修改，等于在软件层挑战硬件分级策略。对算力供给紧张、二手 30 系卡存量大的本地 AI 社区而言，吸引力不小。
对用户/开发者/创作者的影响
开发者可用较低成本提升本地推理性能，尤其是跑 vLLM、长上下文 prefill 和批量请求的场景；创作者若用本地模型做图像或文本生成，也可能受益。但限制明确：仅支持 Linux，需要关闭 Secure Boot，涉及内核模块，存在稳定性、保修和驱动兼容风险。帖文只是个人说法，性能数字尚未见到独立基准报告，普通用户不宜直接当作官方能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是是否有第三方在统一测试条件下复现性能与比特一致性；二是 NVIDIA 是否在后续驱动或固件中封堵该方式；三是项目维护者能否持续跟进内核与驱动更新，避免“更新无忧”变成一次性方案。
来源：@NFT_Chen
