軟件生態上超越CUDA，究竟有多難？_風聞

電子發燒友網報道（文/周凱揚）近日，英偉達憑藉持續上漲的股價，正式超過了微軟成為全球市值最高的公司，這固然離不開GPU這一AI硬件的火熱，但之所以能一舉做到世界第一，也離不開軟件的加持，真正將其推向神壇的，還是圍繞CUDA打造的一系列軟件生態。

英偉達——CUDA的絕對統治

相信對GPU有過一定了解的都知道，英偉達的最大護城河就是CUDA。CUDA在後端架構上處於絕對的統治地位，隨着AI發展越快，英偉達GPU+CUDA的開發生態發展愈發壯大，甚至到了很多競爭對手望其項背的水平。CUDA自2006年推出以來，即便在AI和深度學習沒有成為主流的時期，也在不斷發展並行計算，為開發者提供豐富的庫、工具和算法。

時至今日，CUDA已經為全球開發者打造了一個龐大的社區，幾乎所有的深度學習框架，包括TensorFlow、Pytorch等都對CUDA做了優化。為了儘快切入市場，絕大多數開發者都更傾向於選擇CUDA作為首要計算平台。

與此同時，英偉達也在圍繞着CUDA在硬件架構上做更深入的創新和升級，藉助更先進的工藝和封裝技術提升計算性能和效率。比如隨着Volta架構中引入Tensor核心後，英偉達GPU的矩陣運算得到大幅加強，深度學習訓練和推理的性能實現飛躍。兩者結合之下，使得CUDA坐穩了第一的寶座。

在遊戲軟件領域，英偉達的DLSS可以説是市面上最先進的專有超分技術，且得益於持續的訓練，每一次版本升級都能帶來圖形渲染領域的突破。

最後是生產力工具相關的軟件生態上，英偉達在這塊的優勢就更加足了，過去蘋果與AMD還在GPU上合作之際，不少生產力工具還是針對AMD的GPU做了不少硬件優化的。然而隨着蘋果走向Arm架構，英偉達慢慢在這個市場壯大起來。

無論是Adobe旗下的多媒體處理軟件，還是一些獨立開發商打造的軟件，很多都有英偉達CUDA硬件加速的支持，甚至連英特爾的核顯在一些軟件支持上，都要好於AMD。正因如此，除了一些特效製作相關的工作外，工作站裏的AMD GPU越來越少。

儘管谷歌、英特爾和高通等科技巨頭也在尋找打破CUDA壟斷地位的契機，但對於軟件生態而言，合作並不一定意味着共贏，最後很可能只是為市場提供更多的可選擇項，但在易用性、性能等方面，仍不如沒有駐足一路狂奔的CUDA。

AMD

AMD對於其GPU軟件生態則持以較為開放的態度，且極其重視開源開發社區。AMD的ROCm對標的正是英偉達的CUDA，但其並沒有對硬件做出限制，除了Radeon、Instinct系列的GPU外，也在擴展至其他硬件廠商的設備。這也得益於AMD沒有在硬件內引入Tensor核心這樣的專有硬件，但也正是因為如此，導致其ROCm在某些任務上略顯遜色。

ROCm作為開源平台，也提供多種庫和框架支持，也有一整套的開源工具鏈。正因如此，在HPC和雲計算等領域，廠商其實更寧願使用AMD的GPU，而不必要忍受英偉達的專用軟件棧。但苦於英偉達先行的軟件生態，他們不得不首選英偉達的GPU。

AMD即便有了ROCm，整體軟件生態的成熟度依然不敵英偉達，對於HPC中部分不以商業成功為目標的項目而言，AMD已經斬獲了不少份額，比如TOP500中前十的幾台超算。但以整個TOP500榜單來看，英偉達依然佔據主導地位。然而對於雲供應商來説，短時間內依然沒法擺脱英偉達的統治，因為租用這些雲服務的客户們，更願意在英偉達的CUDA平台上開發。

在驅動軟件上，尤其是針對Linux的顯卡驅動，AMD採取了開源和閉源兩條路線，持續更新閉源驅動的同時，也允許開源社區定製化開源驅動。以基於Linux系統中AMD Radeon顯卡打造的Vulkan驅動AMDVLK為例，就支持了光線追蹤。然而，儘管開源驅動由於手動配置和社區貢獻的原因，兼容性要更高一些，但如果追求的是更高的性能，那麼閉源驅動還是更具優勢。

摩爾線程

國產GPU主要分為兩個方向，分別是支持圖形渲染的和不支持圖形渲染的，後者仍然想在AI領域內突破，前者在推進C端產品的同時，也在佈局B端的一系列AI GPU產品。在國產GPU產品中，在軟件生態上做得比較好的當屬摩爾線程了，他們在AI和圖形渲染上的軟件支持都有喜人的進展。

基於MUSA這一統一架構，摩爾線程打造了MTT S80這樣的桌面顯卡，以及面面向服務器應用的MTT S3000等。與之配套的，是摩爾線程打造的軟件開發平台，包括AI開發平台、MUSA SDK、MT Smart Media和MTVerse XR等。

而且摩爾線程打造的這套生態架構中，可以充分兼容現有軟件生態，藉助MUSIFY工具實現代碼零成本遷移到MUSA平台。與AMD的ROCm一樣，MUSA做的也是兼容CUDA的路線，而不是像ZLUDA一樣重新編譯二進制代碼，所以並不違反英偉達的EULA條款。

從摩爾線程近來官方發佈的消息看來，他們在AI上選擇了逐步對大模型完成適配支持的路線。在摩爾線程的誇娥千卡智算集羣上，他們已經完成了30億到700億參數的大模型訓練和推理適配。摩爾線程的GPU在算力上對比國際大廠還是略有遜色，不過隨着未來他們在IP、硬件設計上進一步突破，相信他們也能打造出高性能的AI算力底座。

在針對消費級圖形顯卡的驅動程序上，摩爾線程也在不斷更新優化性能。以5月底發佈的v260.70版本驅動為例，除了提供對OpenGL 4.0功能的支持和優化Blender 3.6 LTS體驗外，也為諸多熱門遊戲在DirectX 11下的性能做了明顯優化。儘管這類驅動更新的規模比起英偉達還有所差距，但也代表了廠商持續優化性能表現的決心。

寫在最後

其實從越來越多的廠商進軍GPU，越來越多的GPU廠商發力AI就可以看出，即便CUDA有着深厚的生態積累，但在日新月異的AI中，其他廠商仍有分一杯羹的機會，甚至可能在某個應用中後來者居上。但在圖形渲染相關的軟件生態上，廠商面臨的技術壁壘更加厚。不僅要帶着鑽研十數年的決心，還要持續打磨硬件產品，與產業軟件生態圈合作，挖掘和培養更多的圖形研究人才。

聲明：本文由電子發燒友原創