gpu-unlock يزيل القيد البرمجي على BF16 في RTX 20/30/40 — زيادة تصل إلى +100% في أداء أنوية Tensor

تخيّل أنك اشتريت بطاقة RTX 3090 أو 4080، ثم اكتشفت أن جزءًا من قدرتها الحسابية للذكاء الاصطناعي مقفل بإعداد في البرنامج الثابت، وليس بسبب حدود العتاد. هذه تحديدًا الحالة التي يتناولها مشروع gpu-unlock من المطوّر Zagitta. وللتوضيح منذ البداية: لم أختبر هذه الوحدة. ما يلي تحليل للمستودع وملف README، وجميع الأرقام واردة عن المطوّر والمجتمع، وليست قياسات أجريتها بنفسي.

ما المشكلة؟

لا تقتصر الفروق التي تضعها NVIDIA بين بطاقات GeForce المخصصة للألعاب وبطاقاتها الاحترافية على السعر. ففي البطاقات الاستهلاكية، تُخفَّض إنتاجية أنوية Tensor في أوضاع FP16/BF16/TF32 مع التجميع بدقة FP32 بصورة مصطنعة، وغالبًا إلى نصف الذروة المعلنة. لا يظهر أثر ذلك في الألعاب. لكن في تشغيل النماذج اللغوية الكبيرة محليًا، والضبط الدقيق، وتوليد الصور والفيديو، تستحوذ هذه العمليات الحسابية على معظم وقت التدريب والمعالجة الأولية، أي معالجة الموجّه المُدخل.

كيف يعمل gpu-unlock؟

المشروع عبارة عن وحدة لنواة Linux. تُدمج في initramfs وتعمل قبل أن يرتبط برنامج التشغيل nvidia بالبطاقة. تكتب الوحدة في سجلات اختيار السرعة بالبطاقة (SS0 = 0x88888888 لتشغيل BF16 بكامل السرعة، وSS1 = 0x8)، ثم تنفّذ إعادة ضبط على مستوى الوظيفة (Function-Level Reset) وتحرّر الجهاز. بعد ذلك يتولى برنامج تشغيل NVIDIA الأصلي تشغيل البطاقة كالمعتاد. لا يُعدَّل برنامج التشغيل نفسه، ولا يُعاد تفليش VBIOS. ولا تُستخدم حزمة برنامج التشغيل إلا لاستخراج البرنامج الثابت الذي تعتمد عليه عملية فك القيد. ويقول المطوّر إن نتائج الحسابات تظل متطابقة بتًا ببت، وإن التغيير يقتصر على السرعة.

أما الدعم، فهو مستقر على Ampere (بطاقات RTX 30، بما فيها نسخ 3070/3080 للحواسيب المحمولة). ويظل تجريبيًا على Ada Lovelace (RTX 40) وTuring (RTX 20). لا يدعم المشروع Blackwell (RTX 50)، ويرى المطوّر أنه لن يدعمها مستقبلًا. أما Pascal، بما فيها GTX 1070، فلا تصلح إطلاقًا لأنها تفتقر إلى أنوية Tensor المطلوبة.

ماذا تعد به الأرقام؟

وفقًا لملف README، وفي ضرب المصفوفات الخالص بدقة BF16 مع حدود الطاقة الافتراضية: ترتفع RTX 3060 من 27 إلى 51 TFLOPS (+87%)، وRTX 3080 من 65 إلى 113 (+73%)، وRTX 3090 من 75 إلى 125 (+65%)، وRTX 4080 من 104 إلى 193 (+87%)، وRTX 4090 من 165 إلى 329 (+100% عند الذروة). وبالنسبة إلى 4090، يحذّر المطوّر نفسه من أن البطاقة ستبلغ حد الطاقة قبل بلوغ سقف أداء أنوية Tensor، لذا سيكون التحسن أقل في عمليات GEMM الكبيرة.

في الاستخدامات الفعلية، تبدو النتائج أكثر تواضعًا بحسب تقارير المجتمع: +25–55% للمعالجة الأولية في النماذج اللغوية الكبيرة، و+25–50% لتدريب LoRA والضبط الدقيق الكامل بدقة BF16، و+30–55% لتوليد الصور، و+15–20% للفيديو (Wan 2.2)، و+50–60% لعمليات FlashAttention/SDPA. أما llama.cpp وOllama مع GGUF، فتتراوح المكاسب بين 0–15%.

أين لن يفيد؟

القيد الأساسي عند تشغيل النماذج اللغوية الكبيرة في المنزل هو أن فك الترميز محدود بعرض نطاق الذاكرة، لا بالقدرة الحسابية. كذلك لا تتسارع نماذج INT8/FP8/INT4، ولا الألعاب، ولا حسابات CUDA بدقة FP32. إذا كنت تشغّل نموذجًا مكمّمًا بهدف زيادة سرعة التوليد، فقد لا تحقق أي مكسب.

التثبيت والمخاطر

التثبيت: تنفيذ git clone، ثم make install (تتوفر الأهداف install-arch وinstall-deb وinstall-rpm)، ثم إضافة gpu_unlock.targets=all أو عناوين PCI محددة إلى معاملات النواة. ويمكن التحقق باستخدام journalctl -k -b | grep gpu_unlock. وللتراجع، احذف المعامل أو أزل الحزمة.

هناك تفاصيل ينبغي معرفتها. على الحواسيب المحمولة، يزول فك القيد عند قطع الطاقة تمامًا عن معالج الرسوميات المنفصل. وبعد الاستئناف من وضع السكون، تعيد الوحدة فك قيد البطاقة بتأخير يبلغ نحو ثانية واحدة، بينما وضع الإسبات غير مدعوم. وإذا تعلّق البرنامج الثابت، فلا بد من قطع الطاقة؛ إعادة التشغيل وحدها لا تكفي. كما سترتفع حرارة البطاقة. لا يدعم المطوّر Windows، وينبغي التعامل بحذر شديد مع أدوات التثبيت الخارجية: فالمشروع لا يملك عملة مشفّرة ولا مواقع ويب، بل مستودعًا على GitHub فقط. تحمل الوحدة ترخيص GPL-2.0-only، بينما يظل البرنامج الثابت من NVIDIA خاضعًا لترخيص الشركة الخاص.

الخلاصة العملية

إذا كنت تملك RTX 20/30/40، وتعمل بدقة FP16/BF16، وتركّز أساسًا على التدريب أو الضبط الدقيق أو توليد الصور، فالمشروع يستحق التجربة: إنه مجاني، ويمكن التراجع عنه بتغيير معامل واحد. قارن أولًا طبيعة أحمال عملك بصدق مع قائمة الاستخدامات التي لا تستفيد منه. ولا تثبّته على جهاز عملك الوحيد قبل اختباره على جهاز منفصل: فالأرقام الواردة هنا منقولة من README، ولم تُقَس بصورة مستقلة.