对于买英伟达显卡的朋友，应该早就对老黄那手出神入化的“刀法”习以为常了。为了区分专业计算卡和游戏卡，老黄经常在底层驱动和固件里给消费级显卡“上锁”，限制它们的 Tensor Core（张量核心）算力。
但正所谓“道高一尺，魔高一丈”。最近，GitHub 上一位名叫 physicsdolphin 的开发者， 发布了一个名为 NV UEFI Unlocker 的开源项目。
- GitHub：https://github.com/physicsdolphin/nv-uefi-unlocker
- 网盘：https://pan.quark.cn/s/f533eada65ec
这玩意儿不需要你冒着变砖的风险去刷 VBIOS，也不需要去魔改英伟达的官方驱动，就能在 Windows 和 Linux 下，硬生生把 RTX 20、30、40 系列显卡被封印的 AI 算力给“撬”出来，最高提升高达 75%！
今天咱们就来盘一盘，这个“赛博菩萨”项目到底是怎么做到的，以及普通人到底能不能抄作业。
1. 不刷 BIOS、断电失效：主打一个“安全白嫖”
以前要想解锁显卡算力，通常得靠刷入修改版的 VBIOS，一旦手抖刷黑，显卡直接变砖，保修也彻底报废。前些天虽然有了基于 Linux 内核模块的解锁工具（比如之前的介绍GPU Unlock），但 Windows 用户只能干瞪眼。
NV UEFI Unlocker 的好处在于：它走的是 UEFI 引导层。
它的原理是：在你开机、Windows 和 英伟达显卡驱动还没加载之前，通过 UEFI 环境直接向显卡发送指令，修改它的行为模式。
- 不污染系统：它不修改你的注册表，不替换系统文件。
- 不留痕迹：解锁是临时的。只要你彻底断电（关机拔电源），下次开机它就恢复原样。
- 全系支持：不仅支持 RTX 30 系，还向下兼容 RTX 20 系，向上兼容 RTX 40 系（甚至包括笔记本显卡）。
2. 算力暴涨，但别指望用它打游戏
解锁之后，性能到底有多大提升？根据社区和开发者的实测，数据相当亮眼：
- RTX 2070：在 FP32 累加矩阵乘法测试中，算力从 36 TFLOPS 飙升到 60-63 TFLOPS，暴涨 67% – 75%。
- RTX 4060 笔记本版：FP16 计算吞吐量从 29.89 提升到 49.33 TFLOPS，提升约 65%。
这意味着什么？
如果你平时喜欢在本地跑ComfyUI、部署本地大语言模型（LLM），或者做一些深度学习炼丹，这个工具能让你的老显卡焕发第二春，出图速度和 Token 生成速度肉眼可见地变快。
⚠️ 但是，它对打游戏、对 DLSS 帧生成，几乎没有任何帮助！
游戏主要依赖光栅化性能和显存带宽，而这次解锁的是专门针对 AI 计算的 Tensor Core 和特定精度（FP16/BF16）的算力。所以，如果你是指望解锁后《影之刃零》能多跑 20 帧，那你可以直接关页面了。
3. 实操指南：如何给你的显卡“解印”？
如果你是个喜欢折腾的极客，并且主要用途是跑 AI，可以按照以下步骤尝试（请务必先备份重要数据）：
准备工作：
- 准备一个 FAT32 格式的 U 盘（会被清空，提前备份）。
- 进主板 BIOS，关闭 Secure Boot（安全启动）。
- 如果是 RTX 20 系（Turing 架构）用户，需要先在 Windows 下用管理员权限运行一次
enable-turing-unlock.ps1脚本，开启 GSP 固件模式。
制作启动盘：
- 去 GitHub 的 Releases 页面下载
nv-uefi-unlocker发布包并解压。 - 在解压目录下，打开 PowerShell，运行
.\make-usbroot.ps1（Linux 用户运行bash make-usbroot.sh）。脚本会自动识别你的显卡代际并下载对应固件。 - 把生成的
usbroot文件夹里的内容（包括EFI/BOOT/BOOTX64.EFI和.bin固件文件）复制到 U 盘根目录。
执行解锁：
- 重启电脑，狂按 F8/F11/F12（不同主板按键不同）进入一次性启动菜单，选择从你的 U 盘启动。
- 屏幕会跑代码，目标 GPU 可能会短暂黑屏，这是正常现象。
- 等待工具执行完毕，它会自动把控制权交还给系统引导器，正常进入 Windows。
- 进系统后，用包里自带的
ssdiag-x86_64-windows.exe检查状态，确认解锁成功。
4. 普通用户先“别碰”
虽然看着很爽，但我必须给头脑发热的朋友泼几盆冷水：
1.实验阶段：目前项目推出不足一星期，还处于实验阶段，等到稳定后再进行尝试。
- 冷启动极其折磨：因为解锁是 UEFI 层面的临时修改，每次电脑彻底关机后再开机，你都必须插着 U 盘重新走一遍引导流程。如果你没有配置复杂的自动化链式引导，每天开机都要插 U 盘，极其反人类。
- 20 系显卡翻车率高：目前社区反馈， RTX 20 系因为架构较老，GSP 固件兼容性问题，有不少人卡在黑屏或解锁失败。
- 理论算力 ≠ 实际体验：很多 AI 框架（如 PyTorch）对特定精度的调用有严格限制，有时候算力跑分上去了，但实际跑模型的瓶颈可能卡在显存容量或内存带宽上。
