Nvidia får et chok: Hacker forvandler billigt grafikkort til AI-monster til 20.000 dollars!

Et grafikkort, der egentlig var produceret til kryptovaluta, viser sig at gemme på langt mere regnekraft end forventet. Med et specialbygget elektronisk kredsløb har en hardwareentusiast låst op for ti gange så meget hukommelse – og i én test endda overhalet Nvidias professionelle A100-grafikkort.

Forestil dig, at du køber en bil med 100 hestekræfter og bagefter opdager, at motoren faktisk rummer 1.000. Producenten har bare elektronisk begrænset ydelsen.

Noget tilsvarende er netop sket i computerverdenen.

En hardwareentusiast, der går under navnet Kate, har demonstreret, hvordan et brugt Nvidia CMP 170HX-grafikkort kan omdannes til noget, der minder om et langt dyrere Nvidia A100-kort.

Det skriver Tom's Hardware den 12. november 2026.

Og det er ikke bare en teoretisk mulighed. Kate har offentliggjort en teknisk gennemgang af projektet samt resultater fra ti grafikkort.

Fra kryptomining til kraftfuld kunstig intelligens

CMP 170HX blev oprindeligt udviklet til mining af kryptovaluta og er baseret på Nvidias GA100-chip, som også bruges i selskabets professionelle A100-acceleratorer.

Normalt har CMP 170HX kun adgang til 8 eller 10 GB grafikhukommelse, afhængigt af modellen.

Men det overraskende er, at nogle af kortene fysisk indeholder langt mere hukommelse, end brugeren får lov at anvende.

På 8 GB-udgaven kan der faktisk sidde 80 GB HBM-hukommelse.

Resten er ganske enkelt deaktiveret fra fabrikken sammen med en betydelig del af chippens regneenheder.

Dermed kan Nvidia anvende beslægtet hardware til produkter med meget forskellige egenskaber og priser.

Et elektronisk trick åbner den låste hardware

Kate fandt ud af, at grafikkortets interne sikringssystem, de såkaldte eFuses, kunne manipuleres.

Disse elektroniske sikringer bruges blandt andet til permanent at bestemme, hvilke dele af en processor eller GPU der skal være aktive.

Normalt er adgangen til at ændre dem beskyttet.

Men ved hjælp af en teknik kaldet voltage fault injection lykkedes det at fremkalde ganske korte spændingsforstyrrelser i grafikkortet.

Forstyrrelserne fik i bestemte situationer sikkerhedskontrollen til at opføre sig forkert, så det blev muligt at ændre de permanente hardwareindstillinger.

Kate benyttede et lille specialbygget printkort med en STM32G4-mikrocontroller, der i sig selv koster omkring otte dollars.

Det er dog langt fra en almindelig softwareopdatering. Metoden kræver indgreb i elektronikken, betydelig teknisk viden og indebærer risiko for permanent at ødelægge kortet.

Ti grafikkort blev testet – ni fik 80 GB hukommelse

Resultaterne er imponerende.

Af ti undersøgte 8 GB-kort lykkedes det ifølge Kate at aktivere samtlige 80 GB hukommelse på ni af dem.

Det sidste kort havde kun 64 GB fungerende hukommelse, hvilket sandsynligvis skyldes defekter i de resterende hukommelsesområder.

Også regnekraften fik et markant løft.

Hvor en almindelig Nvidia A100 har 108 aktive streaming multiprocessors, kunne Kate aktivere omkring 120-126 fungerende enheder på de modificerede kort.

I en test af FP16-beregninger opnåede det modificerede grafikkort omkring 86 TFLOPS mod cirka 72 TFLOPS for en almindelig A100.

Det svarer til en forbedring på omkring 18 procent i netop denne test.

Det betyder ikke nødvendigvis, at kortet er hurtigere til alle AI-opgaver, men resultatet viser, hvor stor regnekraft der kan gemme sig i eksisterende hardware.

Kan det revolutionere lokal AI?

Fundet er særligt interessant for virksomheder og entusiaster, der ønsker at køre kunstig intelligens på deres egne servere.

Store AI-modeller kræver enorme mængder GPU-hukommelse, og netop hukommelsen er ofte en afgørende begrænsning.

Med 80 GB grafikhukommelse kan man arbejde med væsentligt større sprogmodeller end på almindelige grafikkort med 8-16 GB.

Det åbner muligheder for lokal AI, hvor virksomheder kan behandle følsomme oplysninger uden at sende data til eksterne cloudtjenester.

Prisen gør samtidig opdagelsen interessant.

Ifølge Tom's Hardware handles CMP 170HX-kort omkring 2.500-3.000 dollars, afhængigt af udgaven. Til sammenligning kan et Nvidia A100 med 80 GB koste omkring 20.000 dollars i PCIe-versionen.

Men der er en vigtig detalje: Den billigere 10 GB-udgave har ikke nødvendigvis samme hukommelsespotentiale som 8 GB-modellen. De mest opsigtsvækkende resultater stammer fra sidstnævnte.

En opdagelse, der også rejser spørgsmål om sikkerhed

Historien handler ikke kun om billige AI-grafikkort.

Metoden afslører nemlig også en svaghed i den måde, Nvidias hardwarefunktioner er beskyttet på.

Hvis permanente sikkerhedsindstillinger kan ændres gennem præcise spændingsforstyrrelser, rejser det spørgsmål om, hvor robuste sådanne beskyttelsesmekanismer egentlig er.

Kate oplyser, at Nvidia er blevet orienteret om sårbarheden.

Det er endnu uklart, hvilke konsekvenser opdagelsen får for producenten og fremtidige grafikkort.

Og selvom projektet er bemærkelsesværdigt, er teknikken ikke umiddelbart noget, almindelige PC-ejere bør forsøge sig med. Det kræver både specialudstyr og indgreb, som kan ødelægge hardwaren permanent.

Er det begyndelsen på en ny bølge af billig AI-hardware?

Den virkelige betydning kan vise sig at være større end selve grafikkortet.

I takt med at kunstig intelligens bliver stadig mere udbredt, vokser efterspørgslen på kraftige grafikkort med store mængder hukommelse.

Hvis ældre datacenterhardware kan genbruges og få aktiveret funktioner, der hidtil har været låst, kan det give nye muligheder for forskere, mindre virksomheder og AI-entusiaster.

Men det er fortsat et eksperiment, ikke en gennemprøvet kommerciel løsning.

Én ting har Kate dog demonstreret:

Et grafikkort med 8 GB hukommelse kan i nogle tilfælde gemme på et fuldt fungerende 80 GB AI-monster – uden at der er tilføjet så meget som én ekstra hukommelseschip.

Kilder og videre læsning