老黄垒20年的CUDA护城河，AI刚刚用10小时凿开了

老黄垒20年的CUDA护城河，AI刚刚用10小时凿开了

CUDA又危了？

听雨 发自 凹非寺

量子位 | 公众号 QbitAI

CUDA又双叒叕被创了…

这回动手的，还是英伟达亲手喂大的AI。

一家成立仅一年的小公司，用AI编程Agent，只花10小时，就搭出了一套「类CUDA软件」。

停停停。

你是说这套英伟达花了近20年搭起来的软件帝国，就这么被复刻了？？

不止如此。DeepSeek也在尝试少写一点底层CUDA。

他们已经开源了一套名为TileKernels的GPU算子库，用TileLang来编写，省去了大量手写底层CUDA代码的工作。

不过类似的「CUDA危机」，咱也不是第一次听了。

每隔一段时间，CUDA都要被拎出来鞭打一番，动辄替代了、击穿了、护城河又被颠覆了…

真的是这样么？

10小时「复刻」CUDA

提起英伟达，很多人的第一反应是GPU。

H100、Blackwell、Rubin，靠着一代代性能更强的芯片，英伟达吃下了这一轮AI浪潮的最大红利。

但英伟达真正难以撼动的优势，其实不是硬件，而是软件。

芯片可以买，参数可以追，制程也会迭代。真正让客户用了英伟达之后很难再换走的，是围绕GPU建立起来的整套软件生态。

而CUDA，就是这套软件帝国的核心。

CUDA全称Compute Unified Device Architecture，由英伟达高管Ian Buck带队，花了近20年打造。

它常被叫作编程语言，但更准确地说，CUDA是一整套围绕英伟达GPU建立的软件平台。

如果简单拆成三层，最底下是内核层，直接让芯片干活的Kernel、编译器和运行时。

中间是库层——cuBLAS、cuDNN等经过高度优化的计算库，以及调试、验证和性能分析工具。

最上面，则是PyTorch、TensorFlow等开发框架，企业积累的海量代码和工作流，以及围绕CUDA成长起来的开发者生态。

△AI生成

这么说可能有点抽象，但你可以把英伟达GPU想象成一家工厂。

CUDA最底层负责告诉机器每一步怎么干，中间层提供现成的生产工具，最上层则是一整套已经运转多年的生产体系。

所以，对客户来说，买到的不只是英伟达的一块卡，而是一座开箱即用的工厂。

现在，一位名叫Jeremy Nixon的老哥，带着AI Agent来了。

Nixon是AI软件初创公司Infinity的创始人，此前也在Google Brain当研究员。

他的团队开发了一套名为Ignition的AI研究Agent，专门给不同AI芯片编写底层软件。

它可以生成GPU Kernel、运行测试、寻找错误、测量性能，再根据结果自动改写代码。

人类工程师负责给出高层方向，剩下那些琐碎又费脑子的工作，就交给Agent反复循环。

就这样，Infinity用Ignition为AI芯片初创公司d-Matrix搭建了一套类CUDA软件。

只花了10小时。

啊？？

那些过去需要芯片软件工程师反复调试的底层代码，现在真能交给AI了？

还真不能说完全是炒作。

AI Agent确实很适合这种具有明确反馈的编程任务。