國內(nèi)GPU廠家或許嘗試，摸著英偉達(dá)過河。

近日，摩爾線程在北京發(fā)布多款軟硬件新品，包括新一代GPU“春曉”、面向個人電腦的消費級顯卡MTT S80和服務(wù)器計算卡MTT S3000、一體化計算設(shè)備“MCCX元計算一體機(jī)”，以及開發(fā)套件、數(shù)字人解決方案等。GPU“春曉”做為本次發(fā)布會的核心產(chǎn)品受到廣泛關(guān)注。

“春曉”是摩爾線程的第二顆GPU，也是摩爾線程首顆面相國內(nèi)消費級市場發(fā)售的GPU，它強(qiáng)調(diào)游戲、元宇宙與渲染用途，最重要的是，這個GPU支持英偉達(dá)CUDA生態(tài)。

其實經(jīng)常關(guān)注顯卡的同學(xué)總能從英偉達(dá)的發(fā)布會上聽到CUDA這個詞，例如最新的RTX3060有擁有多少顆CUDA核心，某某游戲首發(fā)即支持CUDA生態(tài)等。作為顯卡領(lǐng)域的高頻詞匯，很多人好奇CUDA到底是什么？為什么國產(chǎn)顯卡會用到英偉達(dá)的技術(shù)？本文將帶你了解即熟悉又陌生的CUDA。

CUDA是什么？

CUDA（Compute Unified Device Architecture，統(tǒng)一計算架構(gòu)）是由英偉達(dá)所推出的一種集成技術(shù)，是該公司對于GPGPU的正式名稱。通過這個技術(shù)，用戶可利用NVIDIA的GPU進(jìn)行圖像處理之外的運算，CUDA也是首次可以利用GPU作為C-編譯器的開發(fā)環(huán)境。簡單來說，程序員平時如果不使用特定框架都是針對CPU進(jìn)行編程的，CUDA是全球最大GPU廠商英偉達(dá)推出的針對GPU的編程的架構(gòu)。

2006年，英偉達(dá)發(fā)布了CUDA，它提供了GPU編程的簡易接口，程序員可以基于CUDA編譯基于GPU的應(yīng)用程序，利用GPU的并行計算能力更高效的解決復(fù)雜計算難題。在CUDA發(fā)布之前，程序員需要到顯卡內(nèi)核并利用機(jī)器碼進(jìn)行編譯，編程過程相當(dāng)繁瑣也很困難。CUDA的發(fā)布，相當(dāng)于將較為復(fù)雜的底層代碼封裝成了一個個簡單接口，使用時直接調(diào)用，其在GPU編程領(lǐng)域的革命性不亞于C、Python、PHP等高等編程語言的發(fā)明。當(dāng)然，CUDA本身也是兼容C語言的，其本身就類似C語言，這可以幫助程序員更快速上手CUDA。現(xiàn)在主流的深度學(xué)習(xí)框架大多都基于CUDA進(jìn)行GPU加速運算。

CUDA工作流程 圖源：CSDN

從硬件角度看，英偉達(dá)會經(jīng)常宣傳自家顯卡擁有的CUDA Core數(shù)量。CUDA Core其實就是英偉達(dá)的流處理器，也就是FP32計算單元，同樣的結(jié)構(gòu)在AMD的GPU內(nèi)叫做SP。與CUDA Core相對的還有Tensor Core張量核心，從字面上就能看出該核心主要針對深度學(xué)習(xí)中的Tensor計算設(shè)計。Tensor計算就是混合精度計算，即在底層硬件算子層面用半精度（FP16）進(jìn)行輸入和輸出，使用全精度（FP32）進(jìn)行計算放置丟失過多精度的操作，這個底層硬件就是Tensor Core。CUDA 9.0引入了一個“warp矩陣函數(shù)” C++語言API，以便開發(fā)者可以使用GPU上的Tensor Core。

CUDA Core 圖源：知乎

CUDA與 GPGPU的概念一脈相承。GPU就是傳統(tǒng)意義上的顯卡與圖形加速卡。隨著人工智能產(chǎn)業(yè)爆炸式增長，導(dǎo)致計算復(fù)雜化和算力不足，CPU并行計算能力遠(yuǎn)不如GPU，使得GPU在通用計算領(lǐng)域逐漸領(lǐng)先，為了進(jìn)一步專注通用計算，GPGPU便應(yīng)運而生。GPGPU與CUDA之間關(guān)系十分密切。GPGPU其實是去掉了圖形顯示功能的GPU，它將全部能力都投入到通用計算上，CUDA的出現(xiàn)讓GPU真正實現(xiàn)更廣泛的通用計算。CUDA與GPGPU也直接推動了AI與深度學(xué)習(xí)的發(fā)展與產(chǎn)業(yè)革命。

為什么要兼容CUDA？

當(dāng)我們了解了CUDA是怎么回事，也就方便解釋為什么國產(chǎn)GPU需要兼容CUDA。

前文提到，目前世界上的主流深度學(xué)習(xí)架構(gòu)都在使用CUDA，其主要原因就是深度學(xué)習(xí)的重要載體—GPU市場已被英偉達(dá)占領(lǐng)大半。隨之而來的，就是市面上絕大部分GPU相關(guān)軟件都是用CUDA開發(fā)，國產(chǎn)GPU兼容CUDA可以同時“繼承”英偉達(dá)打造好的軟件生態(tài)，也有更多資料可供學(xué)習(xí)，這對于蹣跚起步的國產(chǎn)GPU行業(yè)來說，減輕了不少開發(fā)難度，也降低了推廣壓力。

從開發(fā)角度分析。業(yè)內(nèi)GPU工程師稱目前GPU市場可以籠統(tǒng)的分成兩大塊，分別是計算和渲染。此前國內(nèi)GPU廠商通常專注與計算方面的研發(fā)，也有少部分渲染產(chǎn)品問世，最近摩爾線程發(fā)布的GPU強(qiáng)調(diào)其具有強(qiáng)大的渲染能力。然而渲染賽道難度較大，其計算復(fù)雜度更高，除了通用計算，還包圖形渲染、前后端著色器配置、物體幾何屬性等需要處理。目前世界上標(biāo)準(zhǔn)API主要是CUDA與OpenCL，CUDA是英偉達(dá)系統(tǒng)架構(gòu)，OpenCL則主要被AMD采用。采用標(biāo)準(zhǔn)化的API接口，無論是CUDA還是OpenCL，都可以極大減少開發(fā)渲染類GPU的前提投入，后期可以再做相應(yīng)的優(yōu)化，這樣可以降低與CUDA等 “地位”穩(wěn)固的GPU生態(tài)直接競爭的難度。

從市場推廣角度看。英偉達(dá)的CUDA生態(tài)已經(jīng)問世多年，與下游軟件、驅(qū)動廠家已經(jīng)有了深度合作。大部分廠家對于GPU生態(tài)的觀點，往往是不在乎GPU本身好與壞，而是關(guān)注GPU好不好用、能不能用。好不好用的評價較為主觀，但采用現(xiàn)成的英偉達(dá)CUDA接口進(jìn)行編程，可以規(guī)避大多數(shù)未知風(fēng)險，多數(shù)初創(chuàng)企業(yè)開發(fā)GPU軟件采用統(tǒng)一接口也能增加開發(fā)穩(wěn)定性，降低人才招聘難度。所以，構(gòu)建自己的GPU生態(tài)要慢慢起步，一味求快推廣自家生態(tài)只會把風(fēng)險轉(zhuǎn)嫁給更多下游開發(fā)者。

國產(chǎn)GPU要挑戰(zhàn)CUDA嗎？

CUDA本身涵蓋了多個技術(shù)領(lǐng)域，其開發(fā)與后續(xù)更新都與英偉達(dá)自家GPU高度綁定，即使全部開源，第三方廠家也難以完美移植到自家GPU上。從另一個角度看，英偉達(dá)在GPU領(lǐng)域的壟斷地位主要通過CUDA平臺上的軟件生態(tài)實現(xiàn)。國產(chǎn)GPU若想真正做到與英偉達(dá)一較高下，CUDA生態(tài)是繞不開的最終BOSS。

知乎用戶對英偉達(dá)GPU生態(tài)做出分析。國產(chǎn)GPU廠商若無法做到與英偉達(dá)的架構(gòu)、封裝技術(shù)、驅(qū)動優(yōu)化等都保持完全一致，CUDA生態(tài)就一定不會完美適配其他顯卡。做到完全移植，CUDA生態(tài)內(nèi)的各種庫以及套件等都需要做相應(yīng)調(diào)試，工作量太大。

此外，CUDA也并不是一成不變的。每隔一代GPU，CUDA架構(gòu)就會發(fā)生很大變化。每個驅(qū)動小版本推送，CUDA都會做出部分微調(diào)。國產(chǎn)GPU如果完全基于CUDA生態(tài)進(jìn)行開發(fā)，那它的硬件更新將完全綁定英偉達(dá)的開發(fā)進(jìn)程，這樣就失去了主動性，且永遠(yuǎn)慢人一步。

不過內(nèi)開發(fā)者也不用悲觀。CUDA本質(zhì)是一個計算結(jié)構(gòu)，甚至是一個理念，它并不需要英偉達(dá)的完全授權(quán)。我們可以參考英偉達(dá)的有力競爭者AMD。AMD的生態(tài)雖然基于開源生態(tài)OpenCL開發(fā)，但AMD也制作了HIP的編程模式，與CUDA相比，其開發(fā)函數(shù)甚至可以進(jìn)行直接替換。如果說英偉達(dá)在GPU領(lǐng)域是摸著石頭過河的，那AMD就是摸著英偉達(dá)過河。國內(nèi)GPU廠家或許可以參考AMD發(fā)展模式，前期借鑒可以是后期創(chuàng)新的基礎(chǔ)。

寫在最后

CUDA作為英偉達(dá)壟斷GPU領(lǐng)域的關(guān)鍵力量，是國產(chǎn)廠商必須面對的挑戰(zhàn)。CUDA在誕生之初，為人們在深度學(xué)習(xí)與AI領(lǐng)域攻堅克難立下汗馬功勞，但如果它被用來鉗制新力量的發(fā)展，CUDA也將成為英偉達(dá)的馬奇諾防線。

審核編輯 ：李倩