Una modificación del kernel de Linux elimina un límite de velocidad incorporado en las GPU RTX serie 20, 30 y 40 de Nvidia, liberando un procesamiento de IA mucho más rápido. Según reportes, el hack duplica el rendimiento máximo de los tensor cores en la RTX 4090 y eleva hasta un 80% el cálculo matricial de la RTX 3090 Ti. Esto importa porque podría convertir GPU de uso cotidiano en herramientas mucho más potentes para trabajos de IA.
Qué pasó realmente
Según Tom's Hardware, se han creado módulos de kernel de Linux para eliminar el límite de medio rendimiento en tensor cores que Nvidia aplica a sus GPU GeForce RTX serie 20, 30 y 40. La modificación apunta a un límite incorporado que restringe el rendimiento de los núcleos tensoriales en las tarjetas de consumo, una barrera que Nvidia usa para diferenciar sus GPU de gaming de sus líneas profesionales y para centros de datos. Tom's Hardware reporta que el exploit duplica la tasa máxima de los tensor cores de la RTX 4090 y eleva hasta un 80% el rendimiento de cálculo matricial de la RTX 3090 Ti. El reporte no especifica quién creó los módulos de kernel, cuándo se publicaron, ni si funcionan en todas las versiones de drivers. No aparece ninguna declaración oficial de Nvidia en el material fuente.
Cómo llegamos hasta aquí
Nvidia ha diferenciado durante mucho tiempo sus tarjetas GeForce de consumo de sus GPU profesionales y para centros de datos limitando ciertas funciones de IA en los tensor cores del hardware más económico. Esta segmentación ayuda a proteger los precios de los chips de nivel empresarial. La modificación a nivel de kernel descrita por Tom's Hardware abarca tres generaciones de GPU de Nvidia a la vez, desde la serie RTX 20 hasta la RTX 40. De confirmarse, marcaría uno de los desbloqueos más amplios hasta la fecha de los límites de rendimiento tensorial de Nvidia en hardware de consumo. El material fuente no detalla quién descubrió el método, cómo funciona técnicamente, ni si Nvidia ha respondido.
Por qué te importa esto
Para gamers y entusiastas de la IA, esto podría significar una inferencia y un entrenamiento de IA local mucho más rápidos en hardware que ya poseen, sin necesidad de comprar tarjetas nuevas. Los desarrolladores que crean herramientas de IA sobre hardware de consumo podrían obtener acceso más barato a mayor rendimiento tensorial, acortando la brecha con las GPU profesionales. Para Nvidia, una adopción masiva de este hack podría afectar las ventas de sus tarjetas profesionales y para centros de datos, más caras, si los usuarios logran sortear la segmentación. Esto también podría provocar una respuesta de Nvidia mediante drivers o firmware para restaurar el límite. Cualquiera que use esta modificación debería sopesar los riesgos de garantía y estabilidad, ya que el material fuente no confirma soporte oficial ni pruebas de seguridad.
La gran pregunta
Si una modificación a nivel de kernel puede borrar la segmentación de rendimiento que Nvidia establece entre sus GPU de consumo y profesionales, ¿qué impide que desbloqueos similares se propaguen a los chips de otros fabricantes de hardware? Los precios escalonados según el rendimiento de IA han protegido los márgenes empresariales durante años. Si esa barrera se vuelve fácil de evadir, ¿cómo defenderán las empresas de hardware esa frontera: con bloqueos de firmware, acciones legales, o modelos de precios completamente nuevos de aquí en adelante?
Qué vigilar
Hasta ahora no se ha reportado ninguna respuesta oficial de Nvidia. Habrá que seguir de cerca a Tom's Hardware y otros medios para confirmar qué versiones de drivers siguen siendo compatibles con el hack, y si Nvidia lanza una actualización de firmware o de drivers para cerrar el agujero. Bonuz seguirá de cerca si este desbloqueo llega a las líneas de hardware de realidad aumentada y gafas inteligentes, donde el procesamiento de IA eficiente en el dispositivo resulta especialmente crucial.
