Reddit 用戶 panchovix 發文指出，NVIDIA 為了市場區隔，刻意限制了消費級 GPU 在使用 GEMM（通用矩陣乘法）操作時進行 FP32 累加的效能，導致訓練及部分推理任務變慢。該用戶將此限制稱為「鎖定」，並說明專業級與資料中心級 GPU 則為「解鎖」狀態。

根據該用戶整理的資訊，受影響的消費級系列包括 Turing（RTX 20）、Ampere（RTX 30）、Ada（RTX 40）及 Blackwell 2.0（RTX 50）。具體限制如下： - Turing/Ampere/Ada/Blackwell 2.0：FP16 搭配 FP32 累加的效能減半。 - Ampere/Ada/Blackwell 2.0：BF16 搭配 FP32 累加的效能減半。 - Ada/Blackwell 2.0：FP8 搭配 FP32 累加的效能減半。 - Blackwell 2.0：FP4 未受影響。

此限制主要影響訓練（如 LoRA、微調）、擴散模型生成（txt2img, txt2vid 等）、LLM 的 Prefill 階段以及大批次 Token Generation。相反地，單批次 Token Generation 因受限於頻寬而非計算，影響較小；不使用 Tensor Core 的 CUDA 計算或 INT4/INT8 GEMM 搭配 FP16 累加則不受此限制影響。

關於解鎖可行性，該用戶指出： - RTX 20/30 系列：透過逆向工程工具可能有較高機率成功，已有相關專案（如 gpu-unlock）聲稱已解鎖。 - RTX 40 系列：相對可行，已有測試成功的案例（如 AD103_win_unlocker），但需移植至其他 Ada 架構晶片。 - RTX 50 系列：目前難度極高，因為 NVIDIA 在讀取性能限制標誌的位置加入了熔絲（fuses）。

該用戶聲稱，經深入程式碼分析，這僅是一個名為「HALF_SPEED」或「FULL_SPEED」的標誌設定。由於部分消費級卡與專業級卡使用相同的晶片核心（例如 A6000 與 3090 Ti、4090 與 RTX 6000 Ada），解鎖理論上不會對硬體造成風險，僅是軟體或韌體層面的標誌差異。

尚待確認：原文為 Reddit 用戶個人分析與推測，非 NVIDIA 官方技術規格說明。

尚待確認：解鎖可行性與風險評估基於該用戶的逆向工程經驗與特定專案連結，未經廣泛驗證。

尚待確認：具體效能提升數據（如 6000 PRO 比 5090 快 70%）為該用戶個人測試結果，可能因環境而異。