20年最大更新! 英伟达CUDA13.1发布, 表面降门槛, 实际挖深海沟

2024年英伟达发布CUDA13.1，黄仁勋说这是公司20年来最大的升级。

最吸引人的宣传点是“15行Python代码实现过去200行C++功能”，还有个叫TileIR的中间层能简化编程。

技术圈一下子震惊了，都说这是编程门槛的革命。

但仔细琢磨琢磨，这到底是真·技术突破，还是英伟达又一个商业套路？

编程门槛真的降了？

以前写GPU代码简直是劝退新手，开发者得啃透SIMT架构、线程块划分这些硬骨头，内存优化更是让人头大。

现在CUDA13.1搞了个TileIR虚拟指令集，据说不用手动管理线程和内存了，直接用Python调API就行。

某高校AI实验室的朋友试过，用新工具跑MoE模型训练，确实比以前快多了。

本来要攒一个团队搞几周的活儿，现在一个人捣鼓几天就能出结果，这种效率提升，哪个开发者看了不眼馋？

老用户又被“抛弃”了？

不过技术升级的背后，总藏着厂商的小心思，CUDA13.1的性能提升，基本都绑在Blackwell架构上。

GroupedGEMMAPI加速效果明显，可只有新出的RTXPRO6000这些型号能用，手里拿着L40S的用户，只能干瞪眼。

这操作是不是有点眼熟？手机厂商出新系统时，老机型往往不在支持列表里，英伟达这波操作，明摆着是用软件功能逼着大家换新卡。

有数据中心的朋友吐槽，为了用上GreenContext的资源隔离功能，只能提前采购BlackwellGPU，预算一下子超了不少，说到GreenContext技术，确实有点东西。

能把GPU的SM切分给不同任务，云服务商肯定喜欢，但这功能同样是Blackwell专属，等于给新硬件加了道护城河。

老卡用户想用？不好意思，掏钱换新的吧，JimKeller最近就炮轰英伟达，说他们亲手拆毁了自己的护城河。

以前靠CUDA代码壁垒锁住开发者，现在用TileIR搞抽象垄断，表面上降低门槛吸引更多人进来，实际上把迁移成本抬得更高。

AMD和Intel想抢市场？先花几年适配这个中间层再说，TileIR说是开源的，可核心优化代码照样藏着掖着。

PyTorch团队基于这个中间层开发新算子，结果模型训练越来越依赖英伟达硬件，这套路和安卓有点像，开源吸引开发者，核心服务却牢牢抓在自己手里。

有国产AI芯片厂商的工程师私下说，他们花了大半年时间做TileIR适配，还是赶不上英伟达的更新速度。

客户一看兼容性不行，订单自然就飞了，这种生态绑定，比单纯的技术领先更让人头疼。

本来想趁着编程门槛降低多招些开发者，某AI创业公司CTO后来发现自己踩坑里了，项目上线倒是快，但代码和TileIR深度绑定，现在投资方要求国产化适配，只能从头重构内核。

短期效率是上去了，长期来看全是坑，全球AI算力市场现在80%以上都用英伟达GPU，TileIR出来后这个比例怕是还要涨。

所有主流框架都跟着优化，中小芯片厂商更难出头。

这种一家独大的局面，对整个行业创新真的好吗？

看看历史就知道，IBMPC开放架构催生出多少创新，Wintel联盟又垄断了多少年，现在英伟达走的路，有点似曾相识。

有高校实验室开始同时维护CUDA和ROCm两套代码，虽然麻烦，但总比把鸡蛋放一个篮子里强。

说到底，CUDA13.1的技术突破是真的，编程便利也是实实在在的，但这些便利就像裹着糖衣的炮弹，吃下去容易，想吐出来就难了。

英伟达用中间层重构生态护城河，把开发者从代码依赖变成抽象层依赖，手段确实高明。

对开发者来说，用不用CUDA13.1是个两难选择，不用吧，看着别人效率起飞心里痒痒，用了吧，等于把技术主权交了出去。

有位CTO说得实在，“现在是快速上线和长期自主之间的博弈，选哪边都得赌一把。，产业层面倒是该想想办法了。

推动开源中立中间层，比如MLIR的跨硬件适配，或许能打破这种垄断。

毕竟技术的终极价值是赋能创新，而不是把所有人都锁在一棵树上。

黄仁勋说这是20年最大升级，可能没骗人，只不过这升级里，技术革命和商业算计掺在了一起。

对普通用户来说，享受便利的同时，多留个心眼总没错，毕竟免费的午餐，往往是最贵的。