NVIDIA Blackwell显卡曝虚拟化重置故障，需物理重启方可恢复

近日，有技术团队披露，NVIDIA最新发布的RTX 5090和RTX PRO 6000显卡在部分使用场景下出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，必须通过物理重启主机才能恢复运行。

该问题由GPU云计算服务提供商CloudRift首次公开。他们在多个部署了Blackwell架构GPU的生产系统中反复遇到这一故障，并随后发布了一份详尽的技术分析报告。为寻求有效解决方案或明确问题根源，该公司还宣布设立1000美元的奖励，征集相关线索。

根据CloudRift的系统日志记录，当GPU通过KVM与VFIO方式直通给虚拟机使用后，在虚拟机关机或GPU资源重新分配的过程中，主机系统会向GPU发送PCIe功能级重置（FLR）指令。然而，与正常情况不同的是，受影响的显卡在接收该指令后未能恢复正常运行状态，而是陷入无响应状态。

系统内核会记录类似“在FLR操作后65535毫秒仍未就绪，放弃恢复”的提示信息。此时，显卡已无法被标准工具lspci识别，并报出“未知头部类型7f”的错误代码。CloudRift指出，目前唯一能够使设备恢复正常的办法，是对整台设备进行断电重启。

另一家AI初创企业Tiny Corp也验证了这一问题的可复现性，并公开提出质疑：RTX 5090和RTX PRO 6000是否存在硬件层面的设计缺陷？该公司表示已进行多轮排查，但仍未找到可行的解决办法。

在相关技术社区中，越来越多的个人用户和早期采用者反馈遇到类似情况。有用户描述，在关闭运行中的Windows虚拟机后，主机系统随即发生卡死，即便完成操作系统级别的重启，显卡依然无法完成初始化。

用户测试发现，修改PCIe的ASPM或ACS相关设置，均无法缓解该问题。值得关注的是，截至目前尚未发现前代产品如RTX 4090存在类似故障，这表明该问题可能仅存在于NVIDIA的Blackwell系列显卡中。