RTX 5090遇诡异BUG完全无响应，云服务商悬赏1000美元求解决方案

来源——AMP实验室

是不是给少了

快科技报道，CloudRift是一家GPU云服务提供商，他们在生产环境中多个配备Blackwell芯片的系统上遇到了这个问题后，详细公布了问题的分析报告，并悬赏1000美元，公开征集能够找到解决方案或根本原因的人。

根据CloudRift的日志，这个漏洞发生在GPU通过KVM和VFIO传递给虚拟机后。在虚拟机关闭或GPU重新分配时，主机系统会发出一个PCIe功能级重置（FLR）。

但与正常情况不同的是，GPU并没有恢复到良好状态，而是停止响应，内核报告称：“FLR后65535毫秒仍未就绪；放弃。”

此时，显卡也变得无法被lspci读取，lspci会抛出“未知头部类型7f”的错误，CloudRift指出，唯一恢复正常操作的方法是对整个机器进行断电重启。

AI初创公司Tiny Corp也复现了CloudRift的发现，并直接提出了一个问题：“RTX 5090和RTX PRO 6000是否有硬件缺陷？我们已经调查过，但找不到解决方案。”

社区的讨论中，许多家庭用户和其他RTX 5090的早期采用者也报告了类似的问题，一位用户表示在关闭Windows虚拟机后，整个主机系统挂起，即使操作系统级别的重启后，GPU也无法重新初始化。

用户证实，切换PCIe ASPM或ACS设置并不能缓解故障，目前还没有报告称旧型号显卡（如RTX 4090）存在类似问题，这表明该漏洞可能仅限于NVIDIA的Blackwell系列。

CloudRift提供1000美元用于确认的缓解或修复。如果找不到直接修复方法，则奖励将分配给任何帮助发现根本原因或提供可重复测试的人。该公司还在招聘一名系统工程师，并表示将考虑为解决问题做出贡献的候选人。

目前，英伟达尚未就BUG发表任何声明，这似乎仅限于基于Blackwell的卡。一位受影响的用户表示，英伟达已经意识到了这个问题，并且已经能够重现它。