Rain科技9月7日消息，据报道，NVIDIA的RTX 5090和RTX PRO 6000显卡最近被发现存在一个可复现的虚拟化重置漏洞。该漏洞会导致两款显卡在使用虚拟机（VM）并进行GPU虚拟化（如通过KVM和VFIO传递给虚拟机）后，在虚拟机关闭或GPU重新分配时，出现完全无响应的情况，直到主机系统进行物理重启才能恢复正常。这一问题目前已引发了广泛关注和讨论。
GPU云服务提供商CloudRift率先在生产环境中多个使用Blackwell芯片的系统上遇到了这一现象。在他们公开的详细分析报告中，详细描述了问题的发生过程，并悬赏1000美元，公开征集能够找到解决方案或根本原因的技术人员。这表明了该问题的复杂性和解决的紧迫性。
根据CloudRift记录的日志分析，问题源于GPU在通过KVM和VFIO传递给虚拟机后，在虚拟机关闭或GPU被重新分配给其他任务时。此时，主机系统会尝试对GPU执行一个PCIe功能级重置（Function-Level Reset， FLR）操作。然而，与正常情况不同的是，执行FLR后，GPU未能恢复到正常工作状态，反而彻底停止响应。Linux内核的报告显示，“FLR后65535毫秒仍未就绪；放弃。”这表明GPU在重置后长时间仍处于无响应的僵死状态。
在这种状态下，显卡变得完全不可用，甚至连用于查询设备信息的`lspci`命令都会因为读取不到设备信息而报错，报告“未知头部类型7f”。CloudRift指出，唯一能够让受影响显卡恢复正常工作的方法，就是对整个服务器进行断电重启，这对于服务器类应用来说是无法接受的。这一描述凸显了该漏洞对实际业务运行可能造成的严重影响。
AI初创公司Tiny Corp在复现了CloudRift的发现后，直接质疑：“RTX 5090和RTX PRO 6000是否有硬件缺陷？我们已经调查过，但找不到解决方案。”这种直接的质问，加上悬赏的行为，进一步强调了问题的棘手程度，甚至引发了对硬件本身是否存在设计缺陷的担忧。
在相关的技术社区讨论中，有许多拥有RTX 5090的家庭用户和其他早期采用者也报告了类似的遭遇。有用户反馈称，在关闭Windows虚拟机后，整个主机系统发生挂起，即便是进行了操作系统层面的重启，GPU也无法被重新初始化和识别，情况与CloudRift的描述高度一致。这表明该问题并非仅限于专业的服务器和GPU云服务场景，也存在于个人用户的使用过程中。
目前的反馈显示，尝试调整PCIe的ASPM（Active State Power Management）或ACS（Access Control Services）设置，都未能有效缓解此故障。至关重要的一点是，目前还没有用户报告称旧型号显卡（如RTX 4090）存在此类问题。这一点强烈暗示，该虚拟化重置漏洞可能仅限于NVIDIA新一代的Blackwell系列架构产品，这为NVIDIA未来排查和修复问题提供了大致的方向。
