NVIDIA RTX 5090 e RTX 6000 PRO colpite da bug di virtualizzazione: serve il riavvio completo

Le GPU di fascia alta NVIDIA GeForce RTX 5090 e RTX 6000 PRO, basate su architettura Blackwell, stanno evidenziando un problema critico in ambienti virtualizzati. Secondo diverse segnalazioni, tra cui quelle di CloudRift - provider di servizi GPU cloud - le schede possono smettere di rispondere dopo essere state utilizzate in macchine virtuali con KVM e VFIO.

Il malfunzionamento si manifesta durante il reset a livello di funzione PCIe (FLR), procedura standard che il sistema host esegue quando una VM viene arrestata o il dispositivo viene riassegnato. Invece di tornare operativo, il dispositivo entra in uno stato di blocco: il kernel registra il messaggio "not ready 65535ms after FLR; giving up", mentre strumenti come lspci non riescono più a leggere correttamente la scheda. L'unico modo per recuperare il funzionamento è riavviare completamente la macchina host, con conseguenti disservizi significativi in scenari di produzione.

CloudRift ha confermato che il bug non riguarda le GPU di generazione precedente, come la RTX 4090, né i modelli professionali server come Hopper H100 e Blackwell B200, i quali non mostrano anomalie.

La comunità di utenti ha riportato esperienze simili sui forum di Proxmox e Level1Techs, con casi di blocco completo dell'host dopo lo spegnimento di una VM Windows o Linux. Alcuni hanno tentato modifiche a parametri PCIe come ASPM o ACS, senza risultati.

NVIDIA, contattata in merito, avrebbe riconosciuto la criticità e indicato come mitigazione temporanea l'uso di un kernel aggiornato (proxmox-kernel-6.14.8-2-bpo12-pve/stable), pur ammettendo che la correzione definitiva richiederà aggiornamenti ufficiali lato driver o kernel Linux. Nel frattempo, CloudRift ha annunciato una ricompensa di 1.000 dollari a chi riuscirà a individuare la causa o fornire una soluzione stabile.

Il caso resta aperto e particolarmente rilevante, dato che interessa GPU destinate non solo al gaming estremo ma anche a carichi di lavoro AI e creativi in contesti professionali. Una patch tempestiva appare cruciale per garantire affidabilità a chi utilizza queste soluzioni in ambienti mission-critical.