英偉達(dá)又來(lái)掀桌了，CUDA Tile將再度改寫AI格局？

在AI大模型輪番刷屏的這兩年里，人們每次提到算力，都會(huì)首先想到英偉達(dá)顯卡，但是很多人卻不知道，想把英偉達(dá)的顯卡算力變成生產(chǎn)力，可不僅僅是把顯卡插進(jìn)主板然后啟動(dòng)那么簡(jiǎn)單。而是需要為其準(zhǔn)備一整套適配的軟件、算法，才能真正發(fā)揮出顯卡的性能，讓它幫你完成工作。

而CUDA就是英偉達(dá)為此準(zhǔn)備的一套軟件生態(tài)，可以說(shuō)是英偉達(dá)真正的護(hù)城河。前段時(shí)間，CUDA迎來(lái)了13.1版本更新，該版本也被英偉達(dá)稱為自2006年CUDA發(fā)布以來(lái)最大規(guī)模的一次功能拓展。

圖源：英偉達(dá)

在此次更新中，英偉達(dá)推出了全新的CUDA Tile編程模型，并且提供了一整套的配套工具、文檔和調(diào)度特性。而在CUDA Tile更新后，不少著名半導(dǎo)體及AI從業(yè)者都表態(tài)點(diǎn)贊，認(rèn)為將改變整個(gè)行業(yè)，估計(jì)有不少朋友就好奇了：一個(gè)編程模型的更新，為什么會(huì)影響整個(gè)AI行業(yè)？

CUDA Tile登場(chǎng)，“模塊化”時(shí)代來(lái)了

如果只看“版本號(hào)+0.1”，很容易誤以為 CUDA 13.1 只是例行升級(jí)，但翻完官方文檔和版本說(shuō)明后，小雷發(fā)現(xiàn)這次更新，幾乎是“從編程模型到資源管理再到工具鏈”的全鏈路升級(jí)。

先來(lái)說(shuō)說(shuō)此次更新的核心CUDA Tile，到底帶來(lái)了什么改變？簡(jiǎn)單來(lái)說(shuō)，以前使用CUDA時(shí)，要自己管理threadIdx、blockIdx等核心變量，而且還要手動(dòng)分配內(nèi)存使用參數(shù)，然后再按SIMT模型進(jìn)行展開，做針對(duì)性的編程。

而CUDA Tile則是直接在算法層面把數(shù)據(jù)切成單獨(dú)的Tile（矩陣塊），開發(fā)者只需要針對(duì)矩陣塊的用途進(jìn)行編程即可，至于后續(xù)矩陣塊如何運(yùn)轉(zhuǎn)、是否需要調(diào)用 Tensor Core、TMA 等專用計(jì)算單元，就不需要開發(fā)者再去操心，由編譯器和運(yùn)行時(shí)系統(tǒng)在執(zhí)行階段自行決定。

圖源：英偉達(dá)

為了支撐這個(gè)新模型，英偉達(dá)在CUDA 13.1里引入了一個(gè)新的虛擬指令集CUDA Tile IR，并在上層給出了cuTile Python這個(gè)DSL。得益于這兩個(gè)新的開發(fā)工具，開發(fā)者可以直接用熟悉的Python寫tile kernel（矩陣塊內(nèi)核），再由Tile IR負(fù)責(zé)落到底層硬件。

其實(shí)類似的做法在計(jì)算行業(yè)里并不少見，華為的昇騰AI處理器開發(fā)中，“Tiling”（圖塊化編程）也是關(guān)鍵步驟，用于將算子的輸入數(shù)據(jù)分塊，以適應(yīng)NPU有限的片上內(nèi)存，阿里的ATB框架同樣采用了算子Tiling技術(shù)來(lái)優(yōu)化深度學(xué)習(xí)計(jì)算，可以說(shuō)核心思路都是為了降低開發(fā)及運(yùn)行的成本，并提高效率。

除了Tile，CUDA 13.1還優(yōu)化了不少基礎(chǔ)功能模塊，比如新的Green Contexts讓GPU的SM（核心計(jì)算單元）按實(shí)際運(yùn)行指令進(jìn)行資源分割，讓GPU可以優(yōu)先滿足低時(shí)延任務(wù)的資源需求，進(jìn)一步強(qiáng)化云服務(wù)器對(duì)在線服務(wù)等方面的支持。

此外，Multi-Process Service也得到了針對(duì)性的增強(qiáng)，引入了MLOPart分區(qū)和靜態(tài)SM分區(qū)模式，讓多進(jìn)程共享GPU資源時(shí)能夠得到更準(zhǔn)確的資源劃分，對(duì)AI大模型這類混合負(fù)載為主的計(jì)算需求非常關(guān)鍵。

同時(shí)，英偉達(dá)還對(duì)數(shù)學(xué)庫(kù)和工具鏈做了全面升級(jí)，cuBLAS現(xiàn)在可以提供了基于Tensor Core的FP32/FP64仿真GEMM（用FP16/INT8等低精度計(jì)算拼湊出高精度結(jié)果），在Blackwell這類GPU上提供加速雙精度矩陣運(yùn)算支持，讓主流的Transformer、MoE等AI模型可以進(jìn)一步壓榨GPU性能。

可以說(shuō)，CUDA 13.1幾乎從頭到尾都做了更新和升級(jí)，以至于很多開發(fā)者都用：“一個(gè)新時(shí)代的到來(lái)”去形容此次更新。在這次版本更新后，手寫線程索引的時(shí)代算是結(jié)束了，甚至有人認(rèn)為這次更新的意義不亞于從匯編到Python，因?yàn)樗鼘UDA開發(fā)的門檻明顯拉低。

大家可以這么理解，以前編寫CUDA的庫(kù)和工具等玩意時(shí)，等于要開發(fā)者從一根線纜開始把一臺(tái)汽車組裝起來(lái)，雖然零件都是現(xiàn)成的，但是如果在拼裝過(guò)程中出現(xiàn)了一些小BUG，你就得在一籮筐的零件里找出有問(wèn)題的，然后再替換，費(fèi)時(shí)費(fèi)力不說(shuō)還對(duì)開發(fā)者的知識(shí)儲(chǔ)備有極高的要求。

而在CUDA 13.1之后，等于把汽車拆解成引擎、座椅、傳動(dòng)結(jié)構(gòu)、輪胎等完整的子系統(tǒng)，你只需要決定這些系統(tǒng)的各自參數(shù)和功能，然后把它們拼在一起，就可以變成一個(gè)完整的程序運(yùn)行。

圖源：英偉達(dá)

對(duì)于AI行業(yè)來(lái)說(shuō)，這也意味著想深度編譯CUDA程序，不再只能指望少數(shù)掌握了CUDA C++工程師，普通的開發(fā)者也可以通過(guò)閱讀英偉達(dá)提供的技術(shù)手冊(cè)來(lái)按部就班的部署。

而且，Tile IR本身就是一套虛擬指令集架構(gòu)，相當(dāng)于在CUDA生態(tài)中再加入一個(gè)中間層，讓開發(fā)者不再需要面向底層硬件進(jìn)行開發(fā)，只要后續(xù)英偉達(dá)在更新硬件時(shí)做好后端適配，應(yīng)用層就可以通過(guò)Tile IR直接適配新硬件，等于直接抹去了更換硬件所帶來(lái)的重新適配成本。

不過(guò)也有開發(fā)者對(duì)此表示擔(dān)憂，認(rèn)為一旦CUDA Tile的性能表現(xiàn)不如預(yù)期，那么想再進(jìn)行深度調(diào)試會(huì)麻煩，因?yàn)閷脮r(shí)開發(fā)者看到的都是一堆抽象的Tile運(yùn)算，無(wú)法像以前一樣直接觸及底層指令。

但是在小雷看來(lái)，CUDA開發(fā)的簡(jiǎn)易化是不可阻擋的趨勢(shì)，英偉達(dá)不可能還會(huì)走回頭路的。而且，CUDA 13.1并沒(méi)有剔除傳統(tǒng)SIMT開發(fā)工具，兩者其實(shí)是并存的，對(duì)于開發(fā)者來(lái)說(shuō)仍然可以用傳統(tǒng)方法來(lái)進(jìn)一步優(yōu)化程序。

CUDA 13.1的更新，就是給所有AI開發(fā)者遞上了新的“萬(wàn)用工具箱”，對(duì)于整個(gè)行業(yè)來(lái)說(shuō)都是重大的利好，也難怪有人認(rèn)為這是“新時(shí)代的到來(lái)”。

護(hù)城河or突破口？AI生態(tài)大戰(zhàn)即將到來(lái)

隨著CUDA 13.1的更新，針對(duì)AI生態(tài)的討論也再次引起了大家的關(guān)注，過(guò)去的AMD ROCm、Intel oneAPI也好，中國(guó)廠商的自研GPU也罷，很多都是在CUDA的基礎(chǔ)上，通過(guò)轉(zhuǎn)編譯來(lái)打造適配自家生態(tài)的版本。

或許有人覺(jué)得，這不就是抄襲嗎？確實(shí)，不過(guò)也是無(wú)奈之舉，CUDA作為最成熟的AI生態(tài)，擁有最廣泛的設(shè)備兼容性，其他生態(tài)想追趕，那就只能選擇“站在巨人的肩膀上”，才有可能成功，面對(duì)這種涉及到根本利益和未來(lái)話語(yǔ)權(quán)的爭(zhēng)奪，手段盡出才是王道。

圖源：英偉達(dá)

但是CUDA Tile的到來(lái)，或許會(huì)讓這套適配體系變得更加困難，因?yàn)殚_發(fā)者一旦習(xí)慣用Tile IR+cuTile寫代碼，真正面對(duì)的接口就不再是具體線程、寄存器和block等工具，而是一整套Tile語(yǔ)義。

有開發(fā)者表示，想要兼容這套生態(tài)未來(lái)不僅要翻譯語(yǔ)法，還要重建一套理解tile運(yùn)算、映射到自家指令集和計(jì)算核心的編譯器，等于是被迫從“抄CUDA代碼”變成“抄 CUDA 編譯器”，難度和成本都翻倍。

不過(guò)也有人給出了不同的看法，傳奇芯片架構(gòu)師Jim Keller（蘋果A系列芯片、AMD Zen架構(gòu)、特斯拉FSD芯片的開發(fā)者）認(rèn)為CUDA Tile或許會(huì)加速CUDA的護(hù)城河消失。

看起來(lái)很匪夷所思，對(duì)吧？而Jim Keller的理由則是CUDA的優(yōu)勢(shì)是建立在其完善的庫(kù)和框架的基礎(chǔ)上，但是過(guò)高的上手門檻阻擋了大多數(shù)開發(fā)者。而CUDA Tile將讓Tiling將成為CUDA生態(tài)的主流，另一邊，業(yè)界的大多數(shù)主流AI生態(tài)其實(shí)早就轉(zhuǎn)向了Tiling。

換言之，Tiling是大家更熟悉的工具，只需要先解決好CUDA Tile代碼與其他Tiling 體系之間的互譯問(wèn)題，開發(fā)者就可以非常輕松地將CUDA軟件移植到其他AI芯片生態(tài)中，而不必再?gòu)牡讓咏Y(jié)構(gòu)開始重新梳理。

從這個(gè)角度來(lái)看，Jim Keller的觀點(diǎn)確實(shí)是有道理的，不過(guò)關(guān)鍵點(diǎn)就在于其他廠商是否愿意繼續(xù)跟隨英偉達(dá)，打造一個(gè)適用于CUDA Tile的移植工具。其實(shí)國(guó)內(nèi)也有廠商在全盤復(fù)刻CUDA生態(tài)，比如剛剛上市的摩爾線程，他們的MUSA生態(tài)的目標(biāo)就是在國(guó)產(chǎn)GPU上打造一個(gè)類似于CUDA的平臺(tái)，讓同一套軟件能在圖形、計(jì)算、多媒體和AI等多個(gè)產(chǎn)品線上復(fù)用。

圖源：摩爾線程

為了解決生態(tài)問(wèn)題，摩爾線程打造了一套MUSA SDK，里面包括運(yùn)行時(shí)、編譯器、GPU 加速數(shù)學(xué)庫(kù)、神經(jīng)網(wǎng)絡(luò)庫(kù)和通信庫(kù)，并提供MUSIFY這樣的遷移工具，允許開發(fā)者將CUDA代碼直接轉(zhuǎn)成MUSA版本，并且配備了一系列的專用庫(kù)來(lái)減少開發(fā)者切換生態(tài)的成本。

而在接下來(lái)的時(shí)間里，摩爾線程也需要考慮如何重建MUSA生態(tài)對(duì)CUDA生態(tài)的適配，并進(jìn)一步拓展其對(duì)國(guó)產(chǎn)芯片的適配性。如果摩爾線程可以整合好生態(tài)，那么也可以更好承接CUDA生態(tài)的國(guó)產(chǎn)化，成為國(guó)產(chǎn)AI生態(tài)的基座之一。

當(dāng)然，要面對(duì)這個(gè)問(wèn)題的也不止摩爾線程，英特爾、AMD等其他芯片企業(yè)也是一樣的。不管怎樣，接下來(lái)幾年里，圍繞AI生態(tài)展開的博弈只會(huì)變得更加激烈。英偉達(dá)希望進(jìn)一步加深與AI行業(yè)的捆綁，而其他廠商則要在追趕CUDA生態(tài)的同時(shí)構(gòu)筑自己的護(hù)城河，一場(chǎng)沒(méi)有硝煙的戰(zhàn)爭(zhēng)已然到來(lái)。

雷科技2025“年度燈塔產(chǎn)品榜”評(píng)選啟動(dòng)！致敬堪稱“科技之光、時(shí)代大作”的科技產(chǎn)品，歡迎關(guān)注～