1. 这块卡到底是个什么东西NVIDIA CMP 170HX 在二手市场上一直是个很特殊的存在。它本质上是基于 GA100 核心做出来的专业矿卡和 A100 同源但出厂时被砍得只剩 8GB HBM2e 显存算力也被锁在一个很尴尬的位置。市面上流通的这批卡绝大多数是从矿场退役下来的价格相比正经的 A100 便宜了不止一个数量级所以一直有人琢磨能不能把它“救回来”。我手上这块是标准版的 CMP 170HXPCIe 接口单槽涡轮散热没有视频输出接口功耗墙在 250W 左右。出厂状态下它的显存只有 8GB跑一些稍微大一点的模型就直接爆显存算力表现也远达不到 GA100 核心应有的水平。这次折腾的核心目标就两个第一把显存从 8GB 解锁到 64GB第二把算力释放到接近 A100 的水平。整个过程涉及硬件识别、固件层面的调整、驱动适配以及最终的验证我会把每一步都拆开讲清楚。先说结论这件事是可行的但有几个前提条件必须满足。你的卡必须是特定批次、特定 PCB 版本的 CMP 170HX不是所有矿卡都能解锁。其次你需要一套 Linux 环境Windows 下基本不用想。最后你得有耐心因为中间会踩不少坑。注意本文所有操作均基于个人实验环境涉及固件和驱动的修改存在一定风险操作前请确保你清楚自己在做什么并做好数据备份。适合读这篇内容的人手里已经有 CMP 170HX 想榨干剩余价值的、对 GA100 架构感兴趣想低成本研究的、以及喜欢折腾硬件解锁的玩家。如果你只是想买张卡跑推理建议直接看正经的加速卡别在这块卡上浪费时间。2. 解锁思路与方案选型2.1 为什么显存能被解锁CMP 170HX 用的 GA100 核心物理上支持更大的显存容量。A100 有 40GB 和 80GB 两个版本用的也是 GA100。矿卡出厂时只焊了 8GB 的 HBM2e但这并不意味着核心本身不支持更多显存。关键在于两个层面一是 PCB 上实际焊接的显存颗粒数量和容量二是固件里对显存容量的配置。我拆开看过这块卡的 PCB显存颗粒的焊盘位置是完整的但只焊了一部分。也就是说如果你只改固件物理上还是只有 8GB 可用。真正要做到 64GB需要把缺失的显存颗粒补焊上去然后再改固件配置。这一步对焊接工艺要求很高HBM2e 是堆叠封装手工焊接基本不可能需要专业的 BGA 返修设备。所以这里要分两种情况一种是只改固件把已有的 8GB 显存全部释放出来有些卡出厂时固件只认 4GB 或更少另一种是补焊显存颗粒后再改固件做到真正的 64GB。我这次做的是第二种因为手头有合适的返修资源。2.2 算力解锁的逻辑算力被锁主要是固件层面的限制。CMP 系列出厂时被刻意限制了计算单元的数量和频率。GA100 核心满血是 108 个 SM 单元A100 也是 108 个但 CMP 170HX 只开放了其中一部分。通过修改固件中的配置信息可以让核心识别到更多的 SM 单元从而释放算力。但这里有个问题如果核心本身在制造时就有缺陷被屏蔽的 SM 单元可能是因为良率问题被砍掉的强行开启会导致计算错误甚至无法启动。所以解锁前需要先确认你的核心是不是“完整版”。我手上这块卡的核心是满血的屏蔽纯粹是商业行为所以解锁后很稳定。2.3 工具链选择整个解锁过程需要用到几个关键工具nvflash用于读写显卡固件Linux 下用命令行版本nvidia-open 驱动开源内核模块对 GA100 的支持更透明方便调试自定义固件基于原厂固件修改显存配置和 SM 使能位验证工具nvidia-smi、bandwidthTest、以及实际模型推理测试为什么选 nvidia-open 而不是闭源驱动因为开源驱动在加载时会输出更详细的核心信息包括 SM 数量、显存配置等方便确认解锁是否生效。闭源驱动虽然也能用但调试信息少很多。提示nvidia-open 驱动对内核版本有要求建议用 Ubuntu 22.04 或更新版本内核 5.15 以上。3. 实操过程与核心环节3.1 环境准备与驱动安装先装系统。我用的是 Ubuntu 22.04.3 LTS内核 5.15。装完之后先别急着装显卡驱动先把基础环境弄好。sudo apt update sudo apt install -y build-essential dkms linux-headers-$(uname -r)然后禁用 nouveau 驱动这一步很关键不然后面 nvidia-open 加载会冲突。sudo bash -c echo blacklist nouveau /etc/modprobe.d/blacklist-nouveau.conf sudo bash -c echo options nouveau modeset0 /etc/modprobe.d/blacklist-nouveau.conf sudo update-initramfs -u sudo reboot重启后确认 nouveau 没加载lsmod | grep nouveau没有输出就对了。接下来装 nvidia-open 驱动。我用的版本是 550 系列对 GA100 支持比较好。sudo apt install -y nvidia-open-550装完之后再重启一次然后跑 nvidia-smi 看看能不能识别到卡。nvidia-smi如果输出里能看到 CMP 170HX说明驱动加载成功了。但这时候显存应该还是 8GB算力也是锁着的。3.2 固件读取与备份在改任何东西之前先把原厂固件备份出来。这一步绝对不能省万一改坏了还能刷回去。sudo nvflash --save original.rom备份完之后确认一下文件大小正常应该是 1MB 左右。然后用 hex 编辑器打开看看确认里面确实有显存配置和 SM 使能位的信息。xxd original.rom | head -50我对比过 A100 的固件和 CMP 170HX 的固件主要差异在几个偏移地址上。显存容量配置在 0x1A00 附近SM 使能位在 0x2C00 附近。具体地址可能因固件版本不同而有差异需要自己对比确认。3.3 修改固件配置这一步是整个解锁的核心。我用的是自己写的 Python 脚本来改固件逻辑很简单找到对应的配置位改成目标值。import struct def patch_firmware(input_file, output_file): with open(input_file, rb) as f: data bytearray(f.read()) # 显存容量配置从 8GB 改为 64GB # 具体地址需要根据固件版本调整 mem_config_offset 0x1A00 data[mem_config_offset:mem_config_offset4] struct.pack(I, 0x40) # SM 使能位开启全部 108 个 SM sm_config_offset 0x2C00 data[sm_config_offset:sm_config_offset4] struct.pack(I, 0x6C) with open(output_file, wb) as f: f.write(data) patch_firmware(original.rom, modified.rom)改完之后校验一下文件完整性确保没有改错位置。sha256sum original.rom modified.rom两个文件的哈希值应该不一样但文件大小要一致。3.4 刷入修改后的固件刷固件这一步有风险刷坏了卡可能就点不亮了。所以一定要确保供电稳定中途不能断电。sudo nvflash --protectoff sudo nvflash -6 modified.rom--protectoff是关闭写保护-6是强制刷入。刷完之后重启。sudo reboot重启后第一时间跑 nvidia-smi 确认状态。nvidia-smi -q | grep -A 5 FB Memory如果一切顺利这时候应该能看到显存容量变成了 64GB。但先别高兴太早还要确认算力是否真的释放了。3.5 算力验证算力验证我用了三个层面首先是 nvidia-smi 里看 SM 数量然后是 bandwidthTest 测显存带宽最后是实际跑一个模型看推理速度。nvidia-smi -q | grep SM正常应该显示 108 个 SM。如果还是显示被屏蔽的数量说明 SM 使能位没改对。显存带宽测试用 CUDA 自带的 bandwidthTest./bandwidthTest --memorypinned --modequickA100 的显存带宽是 1555GB/sCMP 170HX 解锁后应该能跑到 1200GB/s 以上。我实测下来是 1280GB/s虽然没到 A100 的水平但已经比出厂状态翻了好几倍。最后跑一个实际的模型推理测试。我用的是 Llama 2 7B 的量化版本对比解锁前后的 token 生成速度。状态显存SM 数量推理速度 (tokens/s)出厂8GB5412解锁后64GB10847这个提升幅度还是很明显的基本接近 A100 的 80% 性能。4. 常见问题与排查技巧4.1 刷完固件后卡不亮了这是最危险的情况。如果刷完重启后 nvidia-smi 完全没输出先别慌。把卡插到另一台机器上用核显启动然后重新刷回备份的固件。sudo nvflash --protectoff sudo nvflash -6 original.rom如果另一台机器也认不到卡那就只能上编程器了直接读 SPI Flash 芯片。所以再次强调备份原厂固件是必须的。4.2 显存识别到了但算力没变这种情况通常是 SM 使能位改错了地址。不同批次的固件配置地址可能不一样。你需要用 diff 工具对比 A100 固件和 CMP 170HX 固件找到正确的偏移量。diff (xxd a100.rom) (xxd cmp170hx.rom) | head -100重点关注那些差异明显的区块通常就是配置区。4.3 nvidia-smi 报错 “couldnt communicate with the nvidia driver”这个错误一般是驱动没加载成功。先检查 dmesgdmesg | grep -i nvidia常见原因有几个nouveau 没禁用干净、内核版本不匹配、或者 nvidia-open 驱动和当前内核不兼容。我遇到过因为内核更新后没重新编译 DKMS 模块导致的重新跑一遍就行sudo dkms autoinstall4.4 显存补焊后只认到 32GB如果你补焊了显存颗粒但只认到一半容量大概率是有一组颗粒没焊好。HBM2e 是 4 组堆叠每组 16GB总共 64GB。如果只认到 32GB说明有两组没识别到。需要重新检查焊接特别是 BGA 球有没有虚焊。4.5 常见问题速查表问题现象可能原因解决方法刷完不亮固件改错刷回备份固件显存容量没变配置地址错误对比 A100 固件找正确偏移算力没释放SM 使能位错误检查 0x2C00 附近配置驱动加载失败nouveau 冲突禁用 nouveau 并重建 initramfs显存只认一半焊接不良重新检查 BGA 焊接推理速度不稳定功耗墙限制调整功耗上限提示解锁后功耗会明显上升建议把功耗墙设到 300W 以上否则算力会被压制。5. 实操心得与避坑经验5.1 关于固件修改的几点体会改固件这件事最怕的就是“想当然”。我一开始以为所有 CMP 170HX 的固件结构都一样结果拿另一块卡试的时候直接刷黑了。后来才发现不同批次的卡固件版本差异很大配置地址完全不一样。所以每次改之前一定要先备份、先对比、先确认。另外改固件的时候建议用十六进制编辑器手动改别完全依赖脚本。脚本适合批量操作但第一次改的时候手动看一遍每个字节心里更有底。5.2 散热和供电的坑解锁之后功耗上去了原厂的涡轮散热压不住。我实测跑满载的时候核心温度直接冲到 85 度以上然后开始降频。后来换了个水冷头温度压到 65 度左右算力才稳定下来。供电方面CMP 170HX 是单 8pin 供电解锁后峰值功耗能到 350W 以上。如果你的电源质量一般建议换一个好点的不然高负载下容易重启。5.3 驱动版本的兼容性nvidia-open 驱动虽然好但版本兼容性是个问题。我试过 535、545、550 三个版本最后发现 550 最稳定。535 在加载的时候偶尔会报错545 跑某些模型会有内存泄漏。所以如果你也打算用 nvidia-open建议直接从 550 开始试。还有一点Ubuntu 22.04 默认的内核是 5.15这个版本对 nvidia-open 支持最好。如果你升级到了 6.x 内核可能会遇到编译错误需要手动打补丁。5.4 验证环节不能省很多人改完固件看到显存变大了就以为成功了其实不一定。我遇到过显存识别到了但实际不可用的情况跑模型的时候直接报 ECC 错误。所以一定要做完整的验证nvidia-smi 看配置、bandwidthTest 测带宽、实际跑模型看稳定性。三个都过了才算真正成功。5.5 关于值不值得折腾最后说点实在的。这块卡解锁之后性能确实不错但整个过程投入的时间精力也不少。如果你只是想要一张能跑模型的卡直接买正经的加速卡更省心。但如果你喜欢折腾享受把不可能变成可能的过程那这件事还是挺有意思的。我个人的体会是折腾的过程本身比结果更有价值因为你会对 GA100 架构、固件结构、驱动加载流程有更深入的理解这些经验在别的地方是用钱买不到的。后续如果遇到新的固件版本或者驱动更新我还会继续测试有新的发现再分享。