显卡工具声称提升 Tensor 计算吞吐：75% 的数字适用于哪些任务
区分第三方工具特定计算基准的结果、兼容范围与实际游戏帧率。
正文
显卡工具声称提升 Tensor 计算吞吐：75% 的数字适用于哪些任务 一个名为 nv-uefi-unlocker 的开源项目引起了显卡用户关注。媒体报道中的「提升 75%」来自特定计算测试，主要涉及 Tensor 运算；关注电脑游戏和图像生成的读者，需要先区分运算基准与实际游戏帧率。 一张华硕 GeForce RTX 2070 显卡 图片为 GeForce RTX 2070 显卡资料照，并非报道中测试设备；摄影：Michael Wolf，图片经缩放， 图片来源 ， CC BY-SA 3.0 。 媒体报道的提升是什么 游民星空的报道 称，一项测试中 RTX 2070 的 FP32 累积矩阵乘法吞吐从约 36 TFLOPS 增至约 60 至 63 TFLOPS，增幅约为 67% 至 75%。报道另举 RTX 4060 笔记本显卡的 FP16 计算吞吐数据，称其由 29.89 TFLOPS 增至 49.33 TFLOPS。 这两组数字来自所述测试条件下的计算吞吐，并不是同一台电脑的游戏性能测试。两项负载、显卡型号和精度路径也不相同，不能把较高的百分比直接套用到另一款显卡或任何具体应用。报道未提供足够信息，证明全部游戏都会获得同等幅度的帧率提升。 项目描述了哪些适用范围 项目 GitHub 说明 将其描述为在显卡驱动加载前运行的工具。项目称它不需要永久刷写显卡固件，断电后相关状态会恢复；这些是项目作者对实现方式的描述，而不是对所有电脑都能成功运行的保证。 项目兼容性表列出 RTX 20、30 和 40 系列，并将 GTX 16 系列标为理论兼容、仍欢迎实机验证；表中列出的 RTX 50 系列不受支持。具体型号、笔记本与台式机的条件和已知问题，应查看项目当时的兼容性记录。开源仓库内容会随版本更新，不能把一次媒体报道中的支持范围视作永久不变的列表。 理论吞吐与应用速度为何不同 项目文档区分了多种计算精度和执行路径，称部分 Tensor 运算路径可能受限制，而其他路径没有相同限制。它也指出，功耗、显存带宽等因素会影响实际结果。因此，一个矩阵乘法基准中的增长，并不必然等于图像生成任务总耗时的相同改善，更不能推出游戏画面会快 75%。 例如，完整应用除了计算本身，还可能需要读取数据、准备模型或处理其他步骤；如果瓶颈不在所测试的运算路径上，改善就可能不同。项目页面列出一些由作者或社区记录的结果，但不同测试的设备、负载和版本各异，比较时需要逐项核对条件。 如何看待第三方工具的测试结论 目前这些信息主要来自开发者仓库及媒体转述，并非显卡厂商对该工具的性能认证。仓库也记录了特定硬件环境中的已知问题；支持列表表示项目报告的兼容范围，不能替代每台机器上的独立验证。 对只关心游戏表现的玩家，更有参考价值的是同一游戏、画质、分辨率和驱动条件下的对比数据。对使用计算任务的读者，则应留意测试所用精度、显卡型号及功耗设置，再判断结果是否与自己的工作负载相近。文中没有对工具进行亲自测试，不能据此承诺实际收益。