Jim Keller：NVIDIA的CUDA不是護城河，是沼澤！

2月20日消息，對于 x86、Arm、MISC 和 RISC-V 等處理器架構都有深入研究的傳奇處理器架構師Jim Keller在本周末批評了被外界認為是英偉達（NVIDIA）“護城河”的 CUDA架構和軟件堆棧，并將其比作x86，稱(chēng)之為“沼澤”。他指出，就連英偉達本身也有多個(gè)專(zhuān)用軟件包，出于性能原因，這些軟件包依賴(lài)于開(kāi)源框架。

“CUDA 是沼澤，而不是護城河，”凱勒在 X 帖子中寫(xiě)道?！皒86 也是一片沼澤。[…] CUDA 并不漂亮。它是通過(guò)一次堆積一件東西來(lái)構建的?！?/p>

確實(shí)，就像x86一樣，CUDA在保持軟件和硬件向后兼容性的同時(shí)逐漸增加了功能。這使得英偉達的平臺完整且向后兼容，但它影響了性能并使程序開(kāi)發(fā)變得更加困難。同時(shí)，很多開(kāi)源軟件開(kāi)發(fā)框架可以比CUDA更高效地使用。

“基本上沒(méi)有人編寫(xiě) CUDA，”Jim Keller在后續帖子中寫(xiě)道?！叭绻愦_實(shí)編寫(xiě) CUDA，它可能不會(huì )很快。[...] Triton、Tensor RT、Neon 和 Mojo 的存在是有充分理由的?！?/p>

甚至NVIDIA本身也有不完全依賴(lài) CUDA 的工具。例如，Triton Inference Server 是 Nvidia 的一款開(kāi)源工具，可簡(jiǎn)化 AI 模型的大規模部署，支持 TensorFlow、PyTorch 和 ONNX 等框架。Triton 還提供模型版本控制、多模型服務(wù)和并發(fā)模型執行等功能，以?xún)?yōu)化 GPU 和 CPU 資源的利用率。

NVIDIA的TensorRT是一種高性能深度學(xué)習推理優(yōu)化器和運行時(shí)庫，可加速NVIDIA GPU上的深度學(xué)習推理。TensorRT 從各種框架（例如 TensorFlow 和 PyTorch）中獲取經(jīng)過(guò)訓練的模型，并對其進(jìn)行優(yōu)化以進(jìn)行部署，從而減少延遲并提高圖像分類(lèi)、對象檢測和自然語(yǔ)言處理等實(shí)時(shí)應用程序的吞吐量。

但是，盡管像Arm、CUDA 和x86這樣的架構可能會(huì )被認為是“沼澤”，因為它們的演進(jìn)速度相對較慢、必須向后兼容并且體積龐大，但這些平臺也不像GPGPU這樣分散，這可能根本不是一件壞事。

目前尚不清楚 Jim Keller 對 AMD 的ROCm和英特爾的OneAPI有何看法，但很明顯，盡管他花了很多年時(shí)間設計 x86 架構，但他并不迷戀其未來(lái)前景。他的言論還暗示，盡管他曾在世界上一些最大的芯片制造商工作過(guò)一段時(shí)間，包括蘋(píng)果、英特爾、AMD、博通（現在是Tenstorrent）等公司，但我們可能不會(huì )在NVIDIA的名單上看到他的名字。

編輯：芯智訊-林子