一名社区开发者用近 15 小时完成受限写入,成功让 CMP 170HX 获得 80GB 显存与 126 个流处理器(负责并行计算的处理器单元)。值得关注的是:这类突破仍依赖非标准操作,说明国产 AI 芯片从硬件参数走向可用生态,仍有一段需要补课的距离。

这是什么

这次操作的核心,是通过调整芯片电压设置并修改受限制的写入区域,让原本受限的 CMP 170HX 暴露更多显存与计算资源。开发者先用 Pico 等工具确认方案可执行,再借助脚本完成约 15 小时的配置工作。

它属于社区玩家的实验性调优,并非厂商正式发布的功能。对多数企业而言,这种“解锁”目前更多是技术讨论素材,而非可直接采购部署的标准化方案。

行业怎么看

正面看,开放硬件、允许玩家研究,确实可能加快国产 AI 芯片的软件适配,并降低开发者验证新能力的成本。CMP 170HX 若能以较低价格提供更大显存,对本地部署大模型和中小规模推理任务具有吸引力。

但我们也要看到风险:依赖电压修改和非公开写入路径,可能带来稳定性、散热、功耗及保修问题;社区里只有一位开发者成功,也不代表方案可复制、可维护。更关键的是,AI 芯片竞争不只看纸面算力,还取决于驱动、编译器、算子库和模型适配。硬件资源被“解锁”并不等于用户真正拿到稳定产能。

对普通人的影响

对企业 IT:短期仍应以正式文档、驱动兼容性和服务商支持为准,不宜把社区刷机当成低成本替代云算力的现成方案;但它提醒企业,本地推理硬件的采购窗口可能正在扩大。

对个人职场:不懂底层开发的从业者暂时不会因此直接获得新工具,但“国产芯片兼容哪些模型、部署要花多少钱”正在成为技术采购中的常见问题,相关能力会有价值。

对消费市场:如果这类方案最终能形成标准化工具,显存更大的国产加速卡可能压低本地 AI 产品的硬件门槛;不过目前更可能先影响开发者和小型机房,而非普通消费者。