NVIDIA выпустила горячее исправление для проблемы с перегревом драйвера GPU

Вчера NVIDIA выпустила критическое горячее исправление, чтобы сдержать последствия предыдущего выпуска драйвера, который вызвал тревогу в сообществах ИИ и игр, поскольку системы ложно сообщали о безопасных температурах GPU, даже когда требования к охлаждению тихо увеличивались до потенциально критических уровней.

В официальном посте NVIDIA вокруг выпуска горячего исправления, хотя только треть в списке заявленных исправлений, проблема указана как ‘Утилиты мониторинга GPU могут перестать сообщать температуру GPU после пробуждения компьютера от сна’.

Вскоре после выпуска пострадавшего драйвера Game Ready 576.02 на Reddit появился пinned thread в разделе Stable Diffusion, озаглавленный Читайте, чтобы спасти ваш GPU!, который стал ресурсом для описания проблем и обновлений пользователей, связанных с новым драйвером. Из этих и других отчетов в сети можно установить некоторую хронологию возникающих проблем.

Первый отчет о баге на Reddit, по-видимому, произошел поздно вечером по UTC в разделе ZephyrusG14, где пользователь fricy81 сослался на пост на форумах NVIDIA (архив):

Пользователь на форумах NVIDIA обнаружил проблемы после обновления до 576.02. Источник: https://www.nvidia.com/en-us/geforce/forums/game-ready-drivers/13/563010/geforce-grd-57602-feedback-thread-released-41625/3524072/

Пользователь на форумах NVIDIA сообщил, что после установки обновления драйвера инструменты, такие как MSI Afterburner и мониторы в играх, такие как тот, что в Call of Duty (которые обычно получают доступ к родным системным показаниям, как и панель GPU в Task Manager в Windows), перестали обновлять показания температуры GPU, замерзая на уровне около 35-36°C.

Перезапуск программного обеспечения для мониторинга не имел никакого эффекта, заявил пользователь, и только полный перезапуск системы мог восстановить точные показания. Инструменты, такие как HWInfo и собственное приложение для мониторинга NVIDIA, продолжали сообщать температуры правильно. Пользователь подчеркнул, что проблема возникла во время нормального использования, а не только после пробуждения системы от сна.

Отзывы пользователей на различных форумах подчеркнули общее нарушение нормального поведения кривой вентилятора и изменение основной термической регуляции, что привело к тому, что графические процессоры простаивали при неожиданно высоких температурах и тревожно перегревались под нагрузками, которые обычно считаются стандартными, как подробно описано в этом комментарии:

‘Я мог сказать, что что-то не так. На улице было около 55°F / 12°C, но я был готов к тому, что буду готов в своей комнате. Мое окно было открыто, и все же я не мог почувствовать никакой разницы. Все вентиляторы работали на максимуме, и температуры казались нормальными сначала — около 68°C до 72°C после игры в течение некоторого времени.

‘Сначала это казалось нормальным — пока на следующее утро я не понял, что эти температуры не являются температурой простоя, и вентиляторы все еще работали.

‘У меня был опыт с AI-перепродажей после исправления нескольких вещей недавно, поэтому я не был уверен, не взлетели ли значения слишком высоко. Это произошло один раз раньше после установки ASUS AI Suite 3 — настройки BIOS не работали должным образом из-за этого.

‘В любом случае, я продолжил откатиться к более старому драйверу на данный момент.’

Субоптимально

Официальный выпуск PDF для обновления драйвера 576.02 дает некоторые подсказки о изменениях, которые могли способствовать новым проблемам. В разделе 5.5 NVIDIA признает, что температура GPU может быть сообщена неверно на системах NVIDIA Optimus, в частности, показывая ноль градусов, когда нет запущенных приложений.

Раздел 5.5 официальных заметок об обновлении 576.02 затрагивает проблемы с мониторингом температуры, которые, кажется, повлияли на большее количество систем, чем система Optimus. Источник: https://us.download.nvidia.com/Windows/576.02/576.02-win11-win10-release-notes.pdf

Выпуск гласит:

5.5 Температура GPU сообщается неверно на системах Optimus

5.5.1 Проблема

На системах Optimus инструменты мониторинга температуры, такие как Speccy или GPU-Z, сообщают, что температура GPU равна нулю, когда нет запущенных приложений.

5.5.2 Объяснение

На системах Optimus, когда GPU NVIDIA не используется, он переводится в состояние низкой мощности. Это вызывает неверные значения инструментов мониторинга температуры. Пробуждение GPU для запроса температуры приведет к бессмысленным измерениям, поскольку температура GPU изменится в результате.

Эти инструменты будут сообщать точные температуры только тогда, когда GPU включен и работает.

NVIDIA Optimus — это технология переключения GPU, которая переключает между интегрированной и дискретной графикой в зависимости от требований приложений, чтобы автоматически сбалансировать производительность и потребление энергии, предназначенную для сохранения жизни батареи и снижения потребления энергии. Для задач, таких как игры или воспроизведение видео HD, Optimus активирует дискретный GPU для лучшей производительности; во время более легких занятий, таких как просмотр веб-страниц, он возвращается к интегрированной (на борту) графике.

Обновление, по-видимому, расширило поведение, ранее ограниченное системами Optimus, позволяя пострадавшему GPU перейти в состояние низкой мощности при простое, даже когда он не находится на системе Optimus, что в свою очередь нарушило мониторинг температуры в сторонних инструментах.

Коррекция риска

В большинстве сценариев можно сказать, что VBIOS графической карты, скорее всего, предотвратил бы постоянный ущерб GPU. VBIOS обеспечивает термические и энергетические ограничения на уровне прошивки, независимо от драйвера.

Следовательно, даже если драйвер вызвал неправильное поведение вентилятора или неверно сообщил температуру, VBIOS все равно должен был ограничить производительность, увеличить активность вентилятора или выключить GPU, чтобы предотвратить повреждение оборудования.

Это не означает, что риск был незначительным — длительные высокие температуры могут ухудшить производительность со временем или нагрузить соседние компоненты; кроме того, отсутствие общего понимания того, что обновление драйвера вызвало проблему (не говоря уже о системах, где драйверы обновляются «бесшумно»), проблема такого рода могла ввести в заблуждение большую часть пострадавших пользователей, которые могут попытаться устранить несуществующие проблемы или даже потенциально нанести ущерб своим системам, применив нерелевантные «исправления».

Неправильное поведение, вызванное обновлением 576.02, было особенно тревожным для тех, кто занимался рабочими процессами искусственного интеллекта, где высокопроизводительное оборудование регулярно подвергается термическим пределам в течение длительного времени.

Проблемный драйвер 576.02 вызвал более широкий всплеск жалоб после его выпуска в середине апреля, несмотря на первоначальные отчеты, что он предлагает некоторые полезные улучшения производительности. Несмотря на предоставление горячего исправления и уровень нарушения, который, кажется, вызвал 576.02, на момент написания он все еще доступен для скачивания* на сайте NVIDIA.

Последствия

В плане последствий от неисправного обновления имеется многочисленные типы ущерба и неудобств, о которых сообщается: пользователь Frankie_T9000 сообщил, что его GPU выключился при запуске из-за нагрева под неисправным обновлением, и стабилизировался только после понижения напряжения. Он прокомментировал ‘кажется, что он не пострадал необратимо, но мне нужно как можно скорее заменить термопасту (у меня есть подушки, которые приходят в среду) подозреваю, что старая термопаста была более изношена из-за нагрева, поэтому я кладу новые пасты.‘

Вчера другой пользователь в том же потоке заявил: ‘Я использую пользовательскую кривую вентилятора с MSI Afterburner, и она постоянно показывала, что мои температуры GPU составляют 27°C, поэтому вентиляторы не включались, что привело к проблемам с перегревом. Я думал, что это проблема со мной, но после установки предыдущего драйвера все снова стало работать нормально. Кроме того, температуры не отображаются правильно в диспетчере задач.’

Хотя NVIDIA (как она постоянно заявляет в каждом выпуске горячего исправления) часто предоставляет горячие исправления для определенных видеоигр или платформ, риск повреждения от перегрева или вокруг GPU выше для практиков ИИ, чем для геймеров, поскольку интенсивные процессы машинного обучения, такие как обучение или устойчивое вывод, подвергают GPU постоянной долгосрочной нагрузке — событие, которое, скорее всего, будет вызвано только периодически в игре, которое может «вспыхнуть» в высокое использование для босс-битвы или особенно требовательного раздела карты, но которое в противном случае предназначено как компромисс между эксплуатацией GPU и системной стабильностью.

* Архив: https://archive.ph/ylVR1

Опубликовано во вторник, 22 апреля 2025 года