Uma modificação no kernel do Linux remove um limite de velocidade embutido nas GPUs RTX 20, 30 e 40 da Nvidia, destravando um processamento de IA mais rápido. Segundo o relato, o hack dobra o desempenho máximo de tensor na RTX 4090 e eleva o desempenho de matemática matricial da RTX 3090 Ti em até 80%. Isso importa porque pode tornar GPUs comuns muito mais úteis para trabalhos de IA.
O que realmente aconteceu
Segundo o Tom's Hardware, foram criados módulos de kernel para Linux que eliminam o limite de "meia taxa" de IA que a Nvidia impõe às GPUs GeForce RTX das séries 20, 30 e 40. A modificação mira um freio embutido que restringe o desempenho dos núcleos tensor nas placas de consumo, limite que a Nvidia usa para diferenciar suas GPUs para jogos das linhas profissionais e de datacenter. O Tom's Hardware relata que o exploit dobra a taxa máxima de tensor da RTX 4090 e eleva o desempenho de matemática matricial da RTX 3090 Ti em até 80%. O relato não especifica quem criou os módulos de kernel, quando foram lançados, nem se funcionam em todas as versões de driver. Nenhuma declaração oficial da Nvidia aparece no material original.
Como chegamos até aqui
Há muito tempo a Nvidia diferencia as placas GeForce de consumo de suas GPUs profissionais e de datacenter limitando certos recursos de IA em hardware mais barato. Essa segmentação ajuda a proteger os preços dos chips voltados para empresas. A modificação em nível de kernel descrita pelo Tom's Hardware abrange três gerações de GPUs da Nvidia de uma só vez, da série RTX 20 até a RTX 40. Se confirmado, seria um dos destravamentos mais amplos já vistos dos limites de taxa de tensor da Nvidia em hardware de consumo. O material original não detalha quem descobriu o método, como ele funciona tecnicamente, nem se a Nvidia já respondeu.
Por que isso importa para você
Para gamers e entusiastas de IA, isso pode significar inferência e treinamento de IA local significativamente mais rápidos no hardware que já possuem, sem precisar comprar placas novas. Desenvolvedores que criam ferramentas de IA em hardware de consumo podem ganhar acesso mais barato a maior taxa de transferência de tensor, reduzindo a distância em relação às GPUs profissionais. Para a Nvidia, a adoção em massa desse hack pode prejudicar as vendas de suas placas profissionais e de datacenter, mais caras, caso os usuários encontrem formas de contornar a segmentação. Isso também pode levar a Nvidia a lançar uma resposta via driver ou firmware para restaurar o limite. Quem usar essa modificação deve considerar os riscos à garantia e à estabilidade, já que o material original não confirma suporte oficial nem testes de segurança.
A grande questão
Se uma modificação em nível de kernel consegue apagar a segmentação de desempenho que a Nvidia estabelece entre GPUs de consumo e profissionais, o que impede que destravamentos semelhantes se espalhem pelos chips de outros fabricantes de hardware? O preço escalonado de desempenho em IA protege as margens das empresas há anos. Se essa barreira se tornar fácil de contornar, como os fabricantes de hardware vão defendê-la — por meio de travas de firmware, ação judicial ou novos modelos de precificação — daqui para frente?
O que observar
Nenhuma resposta oficial da Nvidia foi relatada até o momento. Fique de olho no Tom's Hardware e em outros veículos para confirmar quais versões de driver continuam compatíveis com o hack, e se a Nvidia lançará uma atualização de firmware ou driver para fechar essa brecha. A Bonuz vai acompanhar se esse destravamento chega às cadeias de produção de hardware de AR e óculos inteligentes, onde o processamento eficiente de IA no próprio dispositivo é mais crítico.
