实时 AI 消息
CUDA二十周年:英伟达在SC26回望GPU计算如何成为科学与AI的地基
英伟达本周在SC26大会上纪念CUDA诞生二十周年,官方博文把重点放在最早写CUDA程序的研究者与今天的AI开发者身上。这篇回顾把二十年时间讲成一条线索:一套图形平台的编程模型如何成为科学计算与人工智能的默认底座。

英伟达本周在SC26大会上纪念CUDA诞生二十周年。根据英伟达博客的说法,这次纪念的重点不是发布新品,而是向那些帮助GPU计算成为现代科学与AI基础的研究人员、开发者和工程师致意。
CUDA是英伟达的并行计算平台与编程模型,它让开发者可以把GPU当作通用处理器编程,而不只是用来处理图形。二十年时间里,这套工具链把一个图形芯片上的能力,变成了科学计算与深度学习默认的算力入口。
博文中的叙事线索是从最早的CUDA程序写作者,一路讲到今天的AI开发者。这种"纪念开发者"的写法本身也说明了CUDA的位置:它的护城河不只是硬件性能,而是围绕编译器、库、调试工具和开发者习惯形成的一整套生态。
放在SC26这个场合看,信号更清楚。SC是高性能计算领域的年度会议,CUDA的二十年几乎与GPU从加速卡变成计算系统主角的过程完全重叠。今天讨论AI基础设施的功耗、带宽与互联,最终仍要回到这套编程模型所定义的抽象上。
这也是为什么一场周年纪念值得进入新闻流。硬件代际每两年翻新一次,但编程模型的寿命要长得多;开发者在一个平台上积累的代码、调优经验和团队技能,会显著抬高迁移成本。英伟达反复强调的"二十年",本质上是在强调这种累积效应。
接下来值得观察的是,英伟达是否会在SC26期间把这套生态延伸到新的硬件形态与互联方案上,以及CUDA之外的替代路径——各家自研的编译器栈或开放标准——能否在真实的科学工作负载上缩小差距。周年本身不是新闻终点,而是一个时间刻度:下一个十年,算力的竞争很可能不在单颗芯片,而在谁能定义开发者写代码的方式。
为什么重要
CUDA的二十年说明,AI算力的竞争优势不止在芯片规格,更在开发者已经沉没在平台里的时间与经验。对追赶者而言,真正的壁垒是迁移成本,而不是单点性能差距。
附近消息
全部11/17 00:00
英伟达扩充CUDA-X库:cuPhoton、cuPotential、cuSpa把科学计算交给AI智能体
英伟达宣布扩充CUDA-X库,新增cuPhoton、cuPotential与cuSpa等组件,面向天体物理、材料科学与单细胞生物学等科研场景。官方称这些加速能力让研究人员得以处理更大规模的数据集并建模更复杂的系统,同时为AI智能体提供可直接调用的科学计算工具。
11/17 00:00
英伟达发布 Rubin HPC:单卡逾 5 万 CUDA 核心,为科研智能体加速仿真
在 SC26 大会上,英伟达发布 Vera Rubin 平台下的新 GPU「Rubin HPC」,面向科学、工程与数据分析工作负载,单卡 CUDA 核心数超过 5 万个。英伟达称其让数据搬运与计算同步扩展,配合稀疏数据加速和第七代 NVLink,缩短智能体从调用仿真到得出结论的循环。
11/17 00:00
英伟达Vera Rubin首秀MLPerf:训练基准全数拿下,智能体推理能效提升逾10倍
英伟达公布Vera Rubin平台在MLPerf上的首次成绩,覆盖训练、后训练与智能体推理三个方向,并称已横扫MLPerf Training v6.1全部基准。在首次提交的MLPerf Endpoints中,该平台报告智能体AI每瓦吞吐量实现超过10倍的代际提升。
11/17 00:00
NVIDIA 扩展 Slurm 支持,把量子处理器接入超算调度体系
NVIDIA 宣布扩展 Slurm 对量子处理器的支持,让超算中心可以把量子硬件与既有科学计算负载放在同一套调度体系里运行。这一动作的背景是,全球近 30 个超算中心正准备部署 50 多台量子处理器,五年间相关部署量增长近七倍。