RTX 5090遇詭異BUG完全無響應，雲服務商懸賞1000美元求解決方案

來源——AMP實驗室

是不是給少了

快科技報道，CloudRift是一家GPU雲服務提供商，他們在生產環境中多個配備Blackwell芯片的系統上遇到了這個問題後，詳細公佈了問題的分析報告，並懸賞1000美元，公開徵集能夠找到解決方案或根本原因的人。

根據CloudRift的日誌，這個漏洞發生在GPU通過KVM和VFIO傳遞給虛擬機後。在虛擬機關閉或GPU重新分配時，主機系統會發出一個PCIe功能級重置（FLR）。

但與正常情況不同的是，GPU並沒有恢復到良好狀態，而是停止響應，內核報告稱：“FLR後65535毫秒仍未就緒；放棄。”

此時，顯卡也變得無法被lspci讀取，lspci會拋出“未知頭部類型7f”的錯誤，CloudRift指出，唯一恢復正常操作的方法是對整個機器進行斷電重啓。

AI初創公司Tiny Corp也復現了CloudRift的發現，並直接提出了一個問題：“RTX 5090和RTX PRO 6000是否有硬件缺陷？我們已經調查過，但找不到解決方案。”

社區的討論中，許多家庭用戶和其他RTX 5090的早期採用者也報告了類似的問題，一位用戶表示在關閉Windows虛擬機後，整個主機系統掛起，即使操作系統級別的重啓後，GPU也無法重新初始化。

用戶證實，切換PCIe ASPM或ACS設置並不能緩解故障，目前還沒有報告稱舊型號顯卡（如RTX 4090）存在類似問題，這表明該漏洞可能僅限於NVIDIA的Blackwell系列。

CloudRift提供1000美元用於確認的緩解或修復。如果找不到直接修復方法，則獎勵將分配給任何幫助發現根本原因或提供可重複測試的人。該公司還在招聘一名系統工程師，並表示將考慮爲解決問題做出貢獻的候選人。

目前，英偉達尚未就BUG發表任何聲明，這似乎僅限於基於Blackwell的卡。一位受影響的用戶表示，英偉達已經意識到了這個問題，並且已經能夠重現它。