英偉達(dá)CUDA剛搞了個(gè)大動(dòng)作，20年來最重磅的更新說上就上，核心亮點(diǎn)是CUDATile技術(shù)，以后開發(fā)者用Python就能寫GPU內(nèi)核代碼，不用再死磕C++了。

這消息一出來，芯片圈傳奇人物Jim Keller直接發(fā)問，這是不是要終結(jié)CUDA的護(hù)城河？這事在AI圈炸開了鍋，有人覺得是開發(fā)者的福音，也有人猜英偉達(dá)在玩新套路。

今天就順著這事，好好聊聊這波更新到底藏著啥門道。

CUDA這東西，懂行的都知道是英偉達(dá)的王牌，2006年一推出，直接開啟了通用GPU計(jì)算的黃金時(shí)代，這二十年來，開發(fā)者想讓GPU干活，基本都得靠它。

本來大家都習(xí)慣了用C++寫代碼，結(jié)果這次CUDA13.1更新，居然先給Python開了綠燈，C++支持反而往后排了。

本來以為這波更新是給開發(fā)者松綁，后來發(fā)現(xiàn)英偉達(dá)算盤打得更精。

以前用CUDA寫代碼，得用SIMT模型，簡單說就是程序員得指揮成千上萬個(gè)線程干活。

就像包工頭帶著32個(gè)工人搬磚，每個(gè)工人管一個(gè)像素點(diǎn)，看著整齊，真遇到矩陣運(yùn)算這種復(fù)雜活，就得手動(dòng)協(xié)調(diào)所有工人，一步錯(cuò)就全亂。

AI時(shí)代全是矩陣運(yùn)算，這操作難度直接拉滿，也難怪Jim Keller說CUDA是“沼澤”，陷進(jìn)去就難出來。

CUDATile一出來，直接把這套邏輯推翻了，它不用線程當(dāng)基本單位，改用“瓦片”，說白了就是把大數(shù)據(jù)切成小塊，開發(fā)者不用管底層硬件怎么運(yùn)作，只需要告訴電腦這些小塊該怎么運(yùn)算就行。

打個(gè)比方，以前是親自下場(chǎng)指揮每個(gè)工人，現(xiàn)在是定好小組任務(wù)，剩下的交給組長安排。

而且英偉達(dá)還搞了個(gè)TileIR虛擬指令集，不管是老款Hopper顯卡，還是新款Blackwell，寫好的代碼都能直接用，不用反復(fù)調(diào)優(yōu)。

這波操作看著是降低了入門門檻，其實(shí)藏著和OpenAI Triton較勁的意思。

Triton是開源框架，初衷就是讓開發(fā)者擺脫英偉達(dá)的閉源庫，兩者思路挺像，都是按數(shù)據(jù)塊編程，但CUDA Tile綁定了自家硬件的專屬邏輯，這波對(duì)決還真不好說誰能贏。

這么大的技術(shù)更新，自然躲不過行業(yè)大佬的關(guān)注，Jim Keller就是第一個(gè)站出來質(zhì)疑的人。

可能有人不知道他是誰，這人可不是隨便發(fā)表觀點(diǎn)的主，堪稱芯片圈的“掃地僧”，電腦里的x86-64指令集，他是奠基人之一，現(xiàn)在幾乎所有桌面和服務(wù)器CPU都在用。

當(dāng)年AMD快撐不下去的時(shí)候，他帶著團(tuán)隊(duì)搞出Zen架構(gòu)，直接讓AMD逆襲，能和Intel平起平坐，后來去了蘋果，參與研發(fā)A4、A5芯片，給iPhone自研芯片鋪了路，才有了后來的M系列芯片。

現(xiàn)在他是Tenstorrent的CEO，自家芯片也用瓦片架構(gòu)，難怪會(huì)盯著CUDATile不放。

JimKeller的質(zhì)疑點(diǎn)很明確，現(xiàn)在大家都開始用瓦片架構(gòu)了，AI內(nèi)核移植起來會(huì)更簡單，CUDA的護(hù)城河不就沒用了？這話說得有道理，但他可能忘了CUDA的根基有多深。

二十年來，全球上千萬開發(fā)者都在靠CUDA吃飯，相關(guān)的優(yōu)化庫就有兩千多個(gè)，不管是做AI訓(xùn)練還是科學(xué)計(jì)算，都繞不開這些資源，更關(guān)鍵的是，很多公司的核心代碼早就和CUDA深度綁定了。

想把這些代碼遷移到其他平臺(tái)，不是改改語法就行，得花大量時(shí)間和金錢，很少有公司愿意這么折騰。

Jim Keller之前就吐槽CUDA是“沼澤”，復(fù)雜到讓人脫身不得，可這次CUDATile把復(fù)雜度藏到了底層，看似解決了“沼澤”問題，實(shí)則讓開發(fā)者更離不開它的生態(tài)。

Jim Keller擔(dān)心的跨廠商移植問題，其實(shí)得分兩面看，先說說英偉達(dá)自家的硬件，以前從老款顯卡換到新款，代碼往往得重新調(diào)優(yōu)，不少開發(fā)者為此頭疼。

現(xiàn)在有了TileIR，寫好的代碼能在不同代際的英偉達(dá)顯卡上無縫運(yùn)行，這確實(shí)解決了大問題。

但跨廠商移植就不一樣了，AMD的MI300也用瓦片架構(gòu)，按理說代碼移植應(yīng)該容易些，可實(shí)際情況并非如此。

有創(chuàng)業(yè)公司試過把CUDATile寫的代碼搬到AMD芯片上，結(jié)果發(fā)現(xiàn)大半代碼得重構(gòu)。

為啥會(huì)這樣？因?yàn)镃UDATile的底層邏輯和英偉達(dá)的硬件深度綁定，里面的專屬語義在其他廠商的芯片上根本不兼容。

英偉達(dá)這波操作挺聰明，它降低入門門檻，讓更多開發(fā)者用Python就能上手，其實(shí)是在擴(kuò)大自己的生態(tài)圈子。

開發(fā)者進(jìn)來之后，會(huì)發(fā)現(xiàn)CUDA的生態(tài)太完善了，不管是優(yōu)化庫還是技術(shù)支持，都比其他平臺(tái)靠譜，等大家把代碼、項(xiàng)目都建在這個(gè)生態(tài)上，再想遷移就難了。

AMD的ROCm生態(tài)一直在模仿CUDA，但支持的庫數(shù)量差了一大截Intel的One API想搞統(tǒng)一接口，可硬件性能跟不上，開發(fā)者也不買賬。

Jim Keller的Tens torrent雖然在推開源瓦片架構(gòu)標(biāo)準(zhǔn)，但影響力還遠(yuǎn)遠(yuǎn)不夠。

如此看來，AI編程領(lǐng)域的“易用性”和“開放性”一直存在矛盾，開發(fā)者想用上簡單好?的工具，就難免被生態(tài)綁定，想追求開放性，又得犧牲部分性能和便利性。

CUDATile這波更新，根本不是拆除護(hù)城河，而是把護(hù)城河升級(jí)了。

以前的護(hù)城河是高門檻，攔住了不少開發(fā)者現(xiàn)在英偉達(dá)把門檻降低，讓大家輕松進(jìn)來，然后用完善的生態(tài)、專屬的技術(shù)把人留住。

進(jìn)來之后才發(fā)現(xiàn)，里面的“迷宮”早就建好，想出去可就沒那么容易了。

JimKeller的質(zhì)疑有他的道理，但他可能低估了生態(tài)的粘性，AI時(shí)代的技術(shù)護(hù)城河，早就不是單一的硬件或軟件，而是“硬件-軟件-開發(fā)者”形成的閉環(huán)。

短期內(nèi)，CUDA的壟斷地位很難被撼動(dòng)，至于長期會(huì)不會(huì)有新的變化，就得看開源框架和其他廠商能不能找到破局的辦法。

但就目前來看，英偉達(dá)這步棋，走得確實(shí)夠妙。