นักโมดปลดล็อกการ์ดจอ NVIDIA ตั้งแต่ RTX 2080 Ti ถึง RTX 4090 เพิ่มพลัง AI เกือบ 2 เท่า! หวั่นกระแส AI ดันราคาการ์ดจอมือสองแพงขึ้นอีก

การ์ดจอ NVIDIA GeForce ที่หลายคนมองว่าเริ่มเก่า โดยเฉพาะ RTX 2080 Ti, RTX 30 Series และ RTX 40 Series กำลังกลับมาได้รับความสนใจจากวงการ AI หลังนักพัฒนาค้นพบวิธีปลดล็อกข้อจำกัดการประมวลผลบางประเภทที่ซ่อนอยู่ในฮาร์ดแวร์ โดยไม่ต้องแฟลช vBIOS หรือแก้ไขไดรเวอร์ NVIDIA โดยตรง

เดิมทีการค้นคว้าเริ่มจากการปลดล็อกการ์ดจอสำหรับงานเหมืองคริปโตของ NVIDIA ก่อนที่นักพัฒนาจะนำเทคนิคดังกล่าวมาต่อยอดกับ GeForce หลายสถาปัตยกรรม ทั้ง Ampere, Ada Lovelace และล่าสุดยังมีการทดลองกับ Turing ที่ใช้ใน RTX 20 Series ด้วย

ผลการทดสอบบางชุดพบว่า อัตราการประมวลผล Tensor Core สำหรับงาน AI เพิ่มขึ้นได้เกือบ 2 เท่า แต่ไม่ได้หมายความว่าทุกงานจะเร็วขึ้นตามสัดส่วน และที่สำคัญ การปลดล็อกนี้ไม่ได้ทำให้เกมมี FPS เพิ่มขึ้นเป็น 2 เท่า เพราะมุ่งเน้นไปที่คำสั่งคำนวณเฉพาะประเภท ไม่ใช่การเพิ่มจำนวน CUDA Core หรือ Tensor Core ของการ์ดจอ

RTX 3090 Ti และ RTX 4090 เพิ่มพลังคำนวณ AI ได้เกือบ 2 เท่า

หนึ่งในโครงการสำคัญคือ GPU-Unlock ของนักพัฒนา Zagitta ซึ่งนำเทคนิคที่เคยใช้กับการ์ดจอ NVIDIA CMP สำหรับเหมืองคริปโตมาประยุกต์ใช้กับ GeForce RTX 30 Series โดยเน้นการปลดล็อกอัตราการส่งคำสั่ง FP16 และ BF16 สำหรับงานคำนวณเมทริกซ์

ผลทดสอบบน GeForce RTX 3090 Ti แสดงให้เห็นว่า ประสิทธิภาพการคำนวณ BF16 แบบสะสมผลลัพธ์เป็น FP32 เพิ่มจาก 87.50 TFLOPS เป็น 157.41 TFLOPS หรือเพิ่มขึ้นประมาณ 80% ส่วน TF32 เพิ่มจาก 42.58 TFLOPS เป็น 82.61 TFLOPS หรือเกือบ 2 เท่า

ขณะที่ RTX 4090 ซึ่งใช้สถาปัตยกรรม Ada Lovelace ก็มีรายงานผลทดสอบในลักษณะเดียวกัน โดยอัตราการประมวลผลคำสั่ง FP16 ที่สะสมผลเป็น FP32 เพิ่มจาก 165.6 TFLOPS เป็น 331.6 TFLOPS หลังปลดล็อก

ตัวเลขเหล่านี้มาจากผลการทดสอบเฉพาะงานของโครงการ GPU-Unlock และ GPU-Unlock-Ada โดยประสิทธิภาพที่เพิ่มขึ้นจริงขึ้นอยู่กับรุ่นการ์ดจอ การตั้งค่า และชนิดของคำสั่งที่ใช้

RTX 2080 Ti ก็ได้อานิสงส์ แม้ใช้สถาปัตยกรรมเก่ากว่า

ความเคลื่อนไหวล่าสุดไม่ได้จำกัดอยู่แค่ RTX 30 และ RTX 40 Series เพราะนักพัฒนา KohakuBlueleaf ได้เผยแพร่โครงการ KohakUnlock ซึ่งทดลองปลดล็อกการประมวลผล Tensor Core บน GeForce RTX 2080 Ti ที่ใช้สถาปัตยกรรม Turing

ผลทดสอบการคำนวณ FP16 โดยสะสมผลลัพธ์เป็น FP32 ด้วยเครื่องมือ mmapeak พบว่าประสิทธิภาพเพิ่มจาก 59.9 TFLOPS เป็น 111.0 TFLOPS หรือประมาณ 85%

อย่างไรก็ตาม มีข้อควรระวังสำคัญคือ RTX 2080 Ti ที่ใช้ในการทดสอบนี้เป็นการ์ดจอที่ผ่านการดัดแปลงหน่วยความจำทางกายภาพจาก 11GB เป็น 22GB มาก่อนแล้ว การเพิ่ม VRAM ดังกล่าวไม่ใช่ผลจากการปลดล็อกด้วยซอฟต์แวร์ และไม่ควรเข้าใจว่าการติดตั้งเครื่องมือจะเพิ่มหน่วยความจำให้การ์ดจอรุ่นปกติได้

นอกจากนี้ การปลดล็อกบน Turing ยังเป็นงานทดลองเฉพาะฮาร์ดแวร์ โดยผู้พัฒนายังไม่ได้ยืนยันว่าการ์ด RTX 2080 Ti ทุกยี่ห้อและทุกรุ่นย่อยจะใช้งานวิธีเดียวกันได้

รายละเอียดผลทดสอบและข้อจำกัดเผยแพร่ไว้ใน KohakUnlock บน GitHub

หลักการทำงานคือเปลี่ยนค่าระดับต่ำก่อน NVIDIA Driver เริ่มทำงาน

วิธีการของโครงการเหล่านี้แตกต่างจากการโอเวอร์คล็อกทั่วไป เพราะไม่ได้มุ่งเพิ่มความเร็วสัญญาณนาฬิกาของ GPU เป็นหลัก แต่เป็นการปรับค่าคอนฟิกระดับต่ำที่ควบคุมอัตราการส่งคำสั่งคำนวณบางประเภท

เครื่องมือจะทำงานผ่านโมดูลระดับ Linux Kernel หรือกระบวนการเริ่มต้นระบบที่เหมาะสม เพื่อปรับค่าที่จำเป็นก่อนที่ไดรเวอร์ NVIDIA จะเข้าควบคุมการ์ดจอ จากนั้นจึงให้ไดรเวอร์เดิมทำงานต่อไป

แนวทางนี้ทำให้ไม่จำเป็นต้องแฟลช vBIOS หรือแพตช์ไดรเวอร์ NVIDIA โดยตรง แต่ก็ไม่ได้หมายความว่าปราศจากความเสี่ยง เพราะการเรียกใช้เฟิร์มแวร์หรือปรับสถานะฮาร์ดแวร์ในระดับต่ำอาจทำให้การ์ดจอไม่แสดงภาพ ระบบบูตไม่ขึ้น หรือเกิดปัญหากับข้อมูลและฮาร์ดแวร์ได้ หากใช้กับการ์ดที่ไม่รองรับ

ปลดล็อกแล้ว AI เร็วขึ้นเท่าไรในการใช้งานจริง?

แม้ผลทดสอบระดับ Tensor Core จะเพิ่มขึ้นเกือบเท่าตัว แต่ความเร็วของแอปพลิเคชัน AI ไม่ได้เพิ่มขึ้นในอัตราเดียวกันเสมอไป

ตัวอย่างเช่น รายงานการใช้งาน RTX 3090 กับโมเดลภาษาขนาดใหญ่ หรือ LLM พบว่าความเร็วช่วง Prefill ซึ่งเป็นการประมวลผลข้อความนำเข้าและบริบทก่อนเริ่มสร้างคำตอบ เพิ่มขึ้นประมาณ 14–36% ในบางการทดสอบ

ขณะที่ช่วง Decode ซึ่งเป็นการสร้างข้อความตอบกลับทีละโทเคน มักได้รับประโยชน์น้อยกว่า เพราะมีข้อจำกัดจากแบนด์วิดท์หน่วยความจำและลักษณะการทำงานของโมเดลเข้ามาเกี่ยวข้องด้วย

กล่าวอีกอย่างคือ การปลดล็อกอาจช่วยให้งาน AI บางประเภทเร็วขึ้นอย่างมีนัยสำคัญ โดยเฉพาะงานคำนวณเมทริกซ์ แต่ไม่ได้ทำให้ความเร็วในการสร้างคำตอบของ LLM หรือการสร้างภาพด้วย AI เพิ่มขึ้นเป็น 2 เท่าโดยอัตโนมัติ

RTX 50 Series ยังไม่มีผลยืนยันว่าปลดล็อกสำเร็จ

สำหรับการ์ดจอ RTX 50 Series สถาปัตยกรรม Blackwell ปัจจุบันยังไม่มีหลักฐานยืนยันการปลดล็อกที่ทำงานได้จริงอย่างน่าเชื่อถือในระดับเดียวกับผลทดสอบของ RTX 4090 หรือ RTX 3090 Ti

แม้เทคนิคที่ใช้กับการ์ดรุ่นเก่าจะเป็นจุดเริ่มต้นให้ศึกษาต่อได้ แต่ข้อจำกัดและโครงสร้างเฟิร์มแวร์ที่แตกต่างกันทำให้ไม่สามารถนำวิธีการไปใช้กับ GPU ทุกรุ่นได้โดยตรง

สถานะการรองรับของแต่ละรุ่นจึงต้องพิจารณาจากผลทดสอบจริง ไม่ใช่เพียงดูว่าการ์ดจอใช้สถาปัตยกรรมใกล้เคียงกันหรือไม่ โดยข้อมูลจาก GPU-Unlock-Ada ยังแยกการ์ดที่ผ่านการทดสอบแล้วออกจากรุ่นที่รองรับเชิงทดลองอย่างชัดเจน

การ์ดจอมือสองอาจยิ่งแพง เพราะ AI ต้องการ VRAM มากขึ้น

ผลที่ตามมาอาจไม่ได้มีแค่ประโยชน์สำหรับผู้พัฒนา AI แต่ยังอาจส่งผลต่อราคาในตลาดมือสองด้วย โดยเฉพาะการ์ดจอ RTX 3090 และ RTX 4090 ที่มีหน่วยความจำ VRAM ขนาด 24GB ซึ่งเหมาะกับการรันโมเดลภาษาขนาดใหญ่ภายในเครื่องมากกว่าการ์ดจอที่มี VRAM น้อยกว่า

หากผู้ใช้สามารถเพิ่มประสิทธิภาพการคำนวณ AI ของการ์ดจอรุ่นเก่าได้โดยไม่ต้องเปลี่ยนฮาร์ดแวร์ ความต้องการซื้อการ์ดจอเหล่านี้เพื่อใช้กับ AI ก็อาจเพิ่มขึ้นตามไปด้วย และยิ่งทำให้ผู้ที่ต้องการซื้อการ์ดจอมือสองเพื่อเล่นเกมเพียงอย่างเดียวมีตัวเลือกน้อยลง

อย่างไรก็ตาม ยังไม่มีหลักฐานชัดเจนว่าการปลดล็อกเหล่านี้เป็นสาเหตุโดยตรงที่ทำให้ราคา RTX 3090 หรือ RTX 4090 เพิ่มขึ้น การประเมินผลกระทบต่อราคาจำเป็นต้องพิจารณาร่วมกับอุปทานการ์ดจอ ความต้องการจากตลาด AI และสถานการณ์ราคาหน่วยความจำในช่วงเดียวกัน

ท้ายที่สุด การปลดล็อกประสิทธิภาพของ GeForce รุ่นเก่าเป็นพัฒนาการที่น่าสนใจ เพราะช่วยให้ผู้ที่มีฮาร์ดแวร์อยู่แล้วสามารถทดลองใช้การ์ดจอเดิมกับงาน AI ได้เต็มศักยภาพมากขึ้น แต่สำหรับ NVIDIA การเปิดให้ผู้ใช้เข้าถึงประสิทธิภาพดังกล่าวอย่างเป็นทางการอาจเป็นเรื่องที่ต้องพิจารณาอย่างรอบคอบ ทั้งด้านการแบ่งตลาดระหว่าง GeForce กับการ์ดจอระดับมืออาชีพ และผลกระทบต่อราคาการ์ดจอมือสองที่ผู้เล่นเกมทั่วไปต้องเผชิญอยู่แล้วในปัจจุบัน
 

ที่มา: VideoCardz