ใครที่ยังใช้การ์ดจอ NVIDIA GeForce RTX 30 Series อยู่ในเครื่อง แล้วเริ่มรู้สึกว่ามันตกยุคไปแล้ว เพราะเล่นเกมก็สู้การ์ดจอรุ่นใหม่ ๆ ที่มีเทคโนโลยี Frame Generation และ Multi Frame Generation ไม่ได้ จนคิดว่าอาจถึงเวลาต้องเปลี่ยนการ์ดจอใหม่

แต่ช้าก่อน เพราะล่าสุดมีนักพัฒนาบน GitHub สร้างโปรเจกต์โอเพนซอร์สชื่อ GPU Unlock ที่ช่วยปลดข้อจำกัดด้านการประมวลผล AI ของ Tensor Core บนการ์ดจอสถาปัตยกรรม Ampere ทำให้ประสิทธิภาพในงานบางประเภทเพิ่มขึ้นสูงสุดเกือบ 2 เท่าเลยทีเดียว

สำหรับโปรเจกต์ GPU Unlock เป็นเครื่องมือที่ช่วยปลดข้อจำกัดด้านความเร็วในการประมวลผลบางประเภทของ Tensor Core ซึ่งเป็นหน่วยประมวลผลที่ออกแบบมาสำหรับเร่งการทำงานด้าน AI โดยเฉพาะ พูดง่าย ๆ คือ การ์ดจอมีพลังประมวลผลเหลืออยู่แล้ว แต่ถูกจำกัดไม่ให้ใช้งานได้เต็มที่ในบางรูปแบบการคำนวณ นักพัฒนาจึงหาวิธีปลดข้อจำกัดดังกล่าวเพื่อดึงประสิทธิภาพออกมาใช้ได้มากขึ้น

ที่น่าสนใจคือ วิธีนี้ไม่จำเป็นต้องแฟลช vBIOS หรือแก้ไขไดรเวอร์ NVIDIA โดยตรง แต่ใช้การปรับค่าควบคุมการทำงานของ GPU ในระดับต่ำ เพื่อให้ Tensor Core สามารถประมวลผลคำสั่งบางประเภทได้รวดเร็วขึ้น

จากผลทดสอบบน RTX 3090 Ti พบว่าประสิทธิภาพการคำนวณแบบ FP16 เพิ่มขึ้นประมาณ 35% ขณะที่ BF16 เพิ่มขึ้นราว 80% และ TF32 เพิ่มขึ้นสูงสุดถึง 94% หรือเกือบ 2 เท่า เมื่อเทียบกับก่อนปลดล็อก

นอกจากนี้ ยังมีการนำไปทดสอบกับ ComfyUI ซึ่งเป็นโปรแกรมสำหรับสร้างภาพด้วย AI พบว่างานบางประเภทที่ใช้การคำนวณแบบ BF16 มีประสิทธิภาพเพิ่มขึ้นประมาณ 56-59% โดยตัวอย่างหนึ่งที่เคยใช้เวลาสร้างภาพประมาณ 72 วินาที หลังปลดล็อกเหลือเพียง 45 วินาทีเท่านั้น เรียกได้ว่าเห็นความแตกต่างค่อนข้างชัดเจน

ส่วนการ์ดจอรุ่นอื่น ๆ ในตระกูล RTX 30 Series อย่าง RTX 3080, RTX 3070 และ RTX 3060 ก็มีรายงานว่าสามารถปลดล็อกเพิ่มประสิทธิภาพได้เช่นกัน แต่ผลลัพธ์จะแตกต่างกันไปตามรุ่นการ์ดจอและประเภทงานที่นำไปใช้งาน เพราะไม่ใช่งาน AI ทุกประเภทที่จะได้รับประโยชน์จากการปลดล็อกครั้งนี้

อย่างไรก็ตาม ใครที่คิดว่าจะเอาไปปลดล็อกแล้วเล่นเกมแรงขึ้นเกือบ 2 เท่า ต้องบอกก่อนว่าไม่ใช่นะ เพราะการปลดล็อกครั้งนี้เน้นไปที่การคำนวณสำหรับงาน AI โดยเฉพาะ ไม่ได้ช่วยเพิ่ม FPS ในเกม หรือทำให้ DLSS และ Frame Generation ทำงานได้เร็วขึ้นตามตัวเลขดังกล่าว

อีกทั้ง GPU Unlock ยังเป็นโปรเจกต์ทดลองที่พัฒนาสำหรับ Linux เป็นหลัก แม้จะเริ่มมีคนพอร์ตแนวทางดังกล่าวไปยัง Windows แล้วก็ตาม จึงยังไม่เหมาะกับผู้ใช้ทั่วไปที่ต้องการความเสถียรในการใช้งานทุกวัน

ที่มา : videocardz, tomshardware