Eine Linux-Kernel-Modifikation hebt ein eingebautes Geschwindigkeitslimit bei Nvidias RTX-20-, 30- und 40er-GPUs auf und schaltet damit schnellere KI-Verarbeitung frei. Der Hack soll die Spitzen-Tensor-Leistung der RTX 4090 verdoppeln und die Matrixrechenleistung der RTX 3090 Ti um bis zu 80 Prozent steigern. Das ist relevant, weil dadurch gewöhnliche Gaming-GPUs deutlich nützlicher für KI-Aufgaben werden könnten.
Was tatsächlich passiert ist
Laut Tom's Hardware wurden Linux-Kernel-Module entwickelt, die Nvidias Half-Rate-Limit für KI-Tensor-Leistung bei GeForce-RTX-20-, 30- und 40er-Grafikkarten aushebeln. Die Modifikation zielt auf eine eingebaute Drosselung ab, die die Tensor-Core-Leistung von Consumer-Karten begrenzt – ein Limit, mit dem Nvidia Gaming-GPUs von seinen Profi- und Rechenzentrums-Linien abgrenzt. Tom's Hardware berichtet, dass der Exploit die Spitzen-Tensor-Rate der RTX 4090 verdoppelt und die Matrixrechenleistung der RTX 3090 Ti um bis zu 80 Prozent anhebt. Der Bericht nennt weder, wer die Kernel-Module entwickelt hat, wann sie veröffentlicht wurden, noch ob sie mit allen Treiberversionen funktionieren. Eine offizielle Stellungnahme von Nvidia liegt im Quellmaterial nicht vor.
Wie es dazu kam
Nvidia unterscheidet seit Langem zwischen Consumer-GeForce-Karten und seinen Profi- und Rechenzentrums-GPUs, indem bestimmte KI-Tensor-Funktionen bei günstigerer Hardware gedrosselt werden. Diese Segmentierung schützt die Preisgestaltung der teureren Enterprise-Chips. Die von Tom's Hardware beschriebene Kernel-Modifikation betrifft gleich drei Nvidia-GPU-Generationen – von der RTX-20er- bis zur RTX-40er-Serie. Sollte sich das bestätigen, wäre es einer der umfassendsten Unlocks von Nvidias Tensor-Limits bei Consumer-Hardware bisher. Das Quellmaterial verrät nicht, wer die Methode entdeckt hat, wie sie technisch funktioniert oder ob Nvidia bereits reagiert hat.
Warum das für dich wichtig ist
Für Gamer und KI-Hobbyisten könnte das spürbar schnellere lokale KI-Inferenz und -Training auf bereits vorhandener Hardware bedeuten, ganz ohne Neukauf. Entwickler, die KI-Tools auf Consumer-Hardware bauen, könnten günstigeren Zugang zu höherem Tensor-Durchsatz erhalten und so den Abstand zu Profi-GPUs verringern. Für Nvidia könnte eine breite Verbreitung dieses Hacks den Absatz teurerer Profi- und Rechenzentrums-Karten untergraben, falls Nutzer die Segmentierung umgehen. Das könnte zudem eine Treiber- oder Firmware-Reaktion von Nvidia provozieren, um die Bremse wiederherzustellen. Wer die Modifikation nutzt, sollte Garantie- und Stabilitätsrisiken bedenken, da das Quellmaterial weder offizielle Unterstützung noch Sicherheitstests bestätigt.
Die größere Frage
Wenn eine Kernel-Modifikation Nvidias Leistungssegmentierung zwischen Consumer- und Profi-GPUs aushebeln kann, was hindert ähnliche Unlocks daran, sich auf Chips anderer Hersteller auszubreiten? Gestaffelte KI-Leistungspreise haben jahrelang die Margen im Enterprise-Geschäft geschützt. Wird diese Hürde leicht umgehbar, stellt sich die Frage, wie Hardwarefirmen sie künftig verteidigen – durch Firmware-Sperren, rechtliche Schritte oder ganz neue Preismodelle.
Worauf du achten solltest
Bislang gibt es keine offizielle Reaktion von Nvidia. Es lohnt sich, zu verfolgen, ob Tom's Hardware und andere Medien bestätigen, welche Treiberversionen mit dem Hack kompatibel bleiben, und ob Nvidia ein Firmware- oder Treiber-Update veröffentlicht, um die Lücke zu schließen. Bonuz behält im Blick, ob dieser Unlock auch den Weg in AR- und Smart-Glasses-Hardware-Pipelines findet, wo effiziente On-Device-KI-Verarbeitung besonders entscheidend ist.
