最近英偉達(dá)兩款高端產(chǎn)品，GeForce RTX 5090和RTX PRO 6000，都受到虛擬化重置錯(cuò)誤的困擾。該錯(cuò)誤可能會(huì)讓顯卡完全沒有響應(yīng)，需要主機(jī)物理重啟才能恢復(fù)。這是一個(gè)特定的錯(cuò)誤，除了GeForce RTX 5090和RTX PRO 6000外，包括RTX 4090和H100等舊型號(hào)都不會(huì)出現(xiàn)類似的問題，即便是Blackwell架構(gòu)產(chǎn)品中最強(qiáng)的B200也沒有問題。

NVIDIA GeForce RTX 5090

據(jù)TomsHardware報(bào)道，這是隨機(jī)發(fā)生的錯(cuò)誤，沒有明確的原因，在持續(xù)使用幾天或幾周后，GPU虛擬機(jī)可能完全凍結(jié)而沒有任何響應(yīng)跡象。現(xiàn)階段唯一恢復(fù)正常的解決方案就是重啟機(jī)器，這種情況引起了AI初創(chuàng)公司的關(guān)注，甚至懷疑是不是存在硬件設(shè)計(jì)缺陷。

根據(jù)日志顯示，該錯(cuò)誤發(fā)生在GPU通過KVM和VFIO傳遞給虛擬機(jī)之后，當(dāng)虛擬機(jī)關(guān)機(jī)或GPU重新分配時(shí)，主機(jī)發(fā)出PCIe功能級(jí)重置（FLR）指令——這是清理直通設(shè)備標(biāo)準(zhǔn)流程的一部分。 這時(shí)候GPU未能恢復(fù)至正常狀態(tài)，內(nèi)核報(bào)告顯示：“FLR后65535毫秒仍未就緒；放棄操作”。此時(shí)顯卡對(duì)lspci命令也變得不可讀，該命令會(huì)拋出“未知頭部類型7f”錯(cuò)誤。

英偉達(dá)已經(jīng)對(duì)該問題作出回應(yīng)，稱可以復(fù)現(xiàn)問題，并在努力修復(fù)當(dāng)中。具體情況還要等待官方的確認(rèn)，預(yù)計(jì)很快會(huì)發(fā)布修復(fù)程序。