NVIDIA Blackwell架构显卡曝虚拟化重置问题，断电重启成唯一解

近日，有技术团队在使用NVIDIA最新发布的RTX 5090和RTX PRO 6000显卡时，发现了一个可重复触发的虚拟化重置问题。该问题会导致显卡完全失去响应，必须通过主机断电重启才能恢复。

该问题由一家提供GPU云服务的公司首次披露。该公司在多个部署了Blackwell架构GPU的生产系统中均遇到该问题，并在深入分析后发布了详细的技术报告。为推动问题解决，该公司还设立1000美元奖金，公开征集能够定位问题根源或提出有效解决方案的技术方案。

根据披露的日志信息，该问题出现在GPU通过虚拟化技术被分配给虚拟机使用之后。当虚拟机关闭或GPU资源被重新分配时，主机系统会尝试对GPU执行PCIe功能级重置（FLR）。然而，在出现问题的设备上，重置后GPU并未恢复到正常状态，而是进入无响应状态。系统内核会记录类似信息：“经过65535毫秒，FLR仍未完成，操作中止。”

此时，显卡已无法被系统识别。使用lspci命令时，会报告“未知头部类型7f”的错误信息。唯一可行的恢复方法是将整台设备断电并重新启动。

这一问题随后被一家人工智能初创公司验证复现。该公司在技术社区中提出疑问：“RTX 5090和RTX PRO 6000是否存在某种硬件层面的设计缺陷？”他们表示，尽管进行了深入排查，但仍未能找到可行的解决方案。

随着问题的公开，越来越多的个人用户和技术爱好者也加入了讨论。部分RTX 5090的早期使用者报告了类似现象。有人描述，在关闭运行Windows系统的虚拟机后，主机系统出现完全卡死的情况。即使尝试操作系统级别的重启，也无法重新初始化GPU设备。

进一步测试表明，调整PCIe的ASPM或ACS相关设置并不能缓解此问题。此外，目前尚未发现上一代显卡（如RTX 4090）存在类似状况，这表明该问题可能仅限于NVIDIA Blackwell架构的GPU产品。