電子發(fā)燒友網(wǎng)報道（文/周凱揚）近日，英偉達憑借持續(xù)上漲的股價，正式超過了微軟成為全球市值最高的公司，這固然離不開GPU這一AI硬件的火熱，但之所以能一舉做到世界第一，也離不開軟件的加持，真正將其推向神壇的，還是圍繞CUDA打造的一系列軟件生態(tài)。

英偉達——CUDA的絕對統(tǒng)治

相信對GPU有過一定了解的都知道，英偉達的最大護城河就是CUDA。CUDA在后端架構上處于絕對的統(tǒng)治地位，隨著AI發(fā)展越快，英偉達GPU+CUDA的開發(fā)生態(tài)發(fā)展愈發(fā)壯大，甚至到了很多競爭對手望其項背的水平。CUDA自2006年推出以來，即便在AI和深度學習沒有成為主流的時期，也在不斷發(fā)展并行計算，為開發(fā)者提供豐富的庫、工具和算法。

時至今日，CUDA已經(jīng)為全球開發(fā)者打造了一個龐大的社區(qū)，幾乎所有的深度學習框架，包括TensorFlow、Pytorch等都對CUDA做了優(yōu)化。為了盡快切入市場，絕大多數(shù)開發(fā)者都更傾向于選擇CUDA作為首要計算平臺。

與此同時，英偉達也在圍繞著CUDA在硬件架構上做更深入的創(chuàng)新和升級，借助更先進的工藝和封裝技術提升計算性能和效率。比如隨著Volta架構中引入Tensor核心后，英偉達GPU的矩陣運算得到大幅加強，深度學習訓練和推理的性能實現(xiàn)飛躍。兩者結合之下，使得CUDA坐穩(wěn)了第一的寶座。

在游戲軟件領域，英偉達的DLSS可以說是市面上最先進的專有超分技術，且得益于持續(xù)的訓練，每一次版本升級都能帶來圖形渲染領域的突破。

最后是生產(chǎn)力工具相關的軟件生態(tài)上，英偉達在這塊的優(yōu)勢就更加足了，過去蘋果與AMD還在GPU上合作之際，不少生產(chǎn)力工具還是針對AMD的GPU做了不少硬件優(yōu)化的。然而隨著蘋果走向Arm架構，英偉達慢慢在這個市場壯大起來。

無論是Adobe旗下的多媒體處理軟件，還是一些獨立開發(fā)商打造的軟件，很多都有英偉達CUDA硬件加速的支持，甚至連英特爾的核顯在一些軟件支持上，都要好于AMD。正因如此，除了一些特效制作相關的工作外，工作站里的AMD GPU越來越少。

盡管谷歌、英特爾和高通等科技巨頭也在尋找打破CUDA壟斷地位的契機，但對于軟件生態(tài)而言，合作并不一定意味著共贏，最后很可能只是為市場提供更多的可選擇項，但在易用性、性能等方面，仍不如沒有駐足一路狂奔的CUDA。

AMD

AMD對于其GPU軟件生態(tài)則持以較為開放的態(tài)度，且極其重視開源開發(fā)社區(qū)。AMD的ROCm對標的正是英偉達的CUDA，但其并沒有對硬件做出限制，除了Radeon、Instinct系列的GPU外，也在擴展至其他硬件廠商的設備。這也得益于AMD沒有在硬件內(nèi)引入Tensor核心這樣的專有硬件，但也正是因為如此，導致其ROCm在某些任務上略顯遜色。

ROCm作為開源平臺，也提供多種庫和框架支持，也有一整套的開源工具鏈。正因如此，在HPC和云計算等領域，廠商其實更寧愿使用AMD的GPU，而不必要忍受英偉達的專用軟件棧。但苦于英偉達先行的軟件生態(tài)，他們不得不首選英偉達的GPU。

AMD即便有了ROCm，整體軟件生態(tài)的成熟度依然不敵英偉達，對于HPC中部分不以商業(yè)成功為目標的項目而言，AMD已經(jīng)斬獲了不少份額，比如TOP500中前十的幾臺超算。但以整個TOP500榜單來看，英偉達依然占據(jù)主導地位。然而對于云供應商來說，短時間內(nèi)依然沒法擺脫英偉達的統(tǒng)治，因為租用這些云服務的客戶們，更愿意在英偉達的CUDA平臺上開發(fā)。

在驅(qū)動軟件上，尤其是針對Linux的顯卡驅(qū)動，AMD采取了開源和閉源兩條路線，持續(xù)更新閉源驅(qū)動的同時，也允許開源社區(qū)定制化開源驅(qū)動。以基于Linux系統(tǒng)中AMD Radeon顯卡打造的Vulkan驅(qū)動AMDVLK為例，就支持了光線追蹤。然而，盡管開源驅(qū)動由于手動配置和社區(qū)貢獻的原因，兼容性要更高一些，但如果追求的是更高的性能，那么閉源驅(qū)動還是更具優(yōu)勢。

摩爾線程

國產(chǎn)GPU主要分為兩個方向，分別是支持圖形渲染的和不支持圖形渲染的，后者仍然想在AI領域內(nèi)突破，前者在推進C端產(chǎn)品的同時，也在布局B端的一系列AI GPU產(chǎn)品。在國產(chǎn)GPU產(chǎn)品中，在軟件生態(tài)上做得比較好的當屬摩爾線程了，他們在AI和圖形渲染上的軟件支持都有喜人的進展。

基于MUSA這一統(tǒng)一架構，摩爾線程打造了MTT S80這樣的桌面顯卡，以及面面向服務器應用的MTT S3000等。與之配套的，是摩爾線程打造的軟件開發(fā)平臺，包括AI開發(fā)平臺、MUSA SDK、MT Smart Media和MTVerse XR等。

而且摩爾線程打造的這套生態(tài)架構中，可以充分兼容現(xiàn)有軟件生態(tài)，借助MUSIFY工具實現(xiàn)代碼零成本遷移到MUSA平臺。與AMD的ROCm一樣，MUSA做的也是兼容CUDA的路線，而不是像ZLUDA一樣重新編譯二進制代碼，所以并不違反英偉達的EULA條款。

從摩爾線程近來官方發(fā)布的消息看來，他們在AI上選擇了逐步對大模型完成適配支持的路線。在摩爾線程的夸娥千卡智算集群上，他們已經(jīng)完成了30億到700億參數(shù)的大模型訓練和推理適配。摩爾線程的GPU在算力上對比國際大廠還是略有遜色，不過隨著未來他們在IP、硬件設計上進一步突破，相信他們也能打造出高性能的AI算力底座。

在針對消費級圖形顯卡的驅(qū)動程序上，摩爾線程也在不斷更新優(yōu)化性能。以5月底發(fā)布的v260.70版本驅(qū)動為例，除了提供對OpenGL 4.0功能的支持和優(yōu)化Blender 3.6 LTS體驗外，也為諸多熱門游戲在DirectX 11下的性能做了明顯優(yōu)化。盡管這類驅(qū)動更新的規(guī)模比起英偉達還有所差距，但也代表了廠商持續(xù)優(yōu)化性能表現(xiàn)的決心。

寫在最后

其實從越來越多的廠商進軍GPU，越來越多的GPU廠商發(fā)力AI就可以看出，即便CUDA有著深厚的生態(tài)積累，但在日新月異的AI中，其他廠商仍有分一杯羹的機會，甚至可能在某個應用中后來者居上。但在圖形渲染相關的軟件生態(tài)上，廠商面臨的技術壁壘更加厚。不僅要帶著鉆研十數(shù)年的決心，還要持續(xù)打磨硬件產(chǎn)品，與產(chǎn)業(yè)軟件生態(tài)圈合作，挖掘和培養(yǎng)更多的圖形研究人才。