文｜雷科技

過去一年多，硅谷掀起的生成式AI革命席卷全球，并愈演愈烈。而在這場革命有中兩條非常明顯的主線：

一是基礎技術的進化，以GPT、Gemini為代表的大模型繼續向著AGI（通用人工智能）迭代；

二是現象級應用的涌現，生成式AI在不同領域、不同場景下的應用狂潮在逐步改變人類的生活和工作方式，比如雷科技尤其關注的AI硬件領域，就出現了AI手機、AI PC、AI電視、AI家電、AI清潔等新應用。

在兩條主線下，還有一條關于算力的「暗線」。

對AI的發展來說，算力短缺已經不是一天兩天的問題，時至今日各大公司都還在繼續搶購GPU，更確切地說，是英偉達的高端GPU：

如果說《沙丘》是「得香料者得天下」，那AI行業就是「得英偉達GPU者得天下」。

這也讓整個行業對于英偉達GPU又愛又恨，一方面是基于CUDA平臺的英偉達高端GPU可以簡單、高效地進行人工智能訓練，另一方面是所有人都過于依賴英偉達這一家公司。

CUDA是英偉達AI的基石

關于英偉達GPU成功原因的分析已經很多了，其核心主要還是英偉達GPU本身的高性能（包括互連性能），加上CUDA平臺帶來的軟硬件協同效應。英偉達在硬件本身上的優勢并不難逾越，問題關鍵在于軟件，在于CUDA平臺。

在前段時間的GTC 2024開幕演講上，老黃也回顧了英偉達的發展史。

2014年，黃仁勛首次強調機器學習的重要性，當時AlphaGo尚未戰勝李世石，深度學習并未引發世界級關注。不過當時英偉達已提出CUDA（通用計算平臺）的概念，在許多人還在把英偉達當作「游戲顯卡」的制造商時，其走在了AI變革前沿。

不過最初，CUDA的應用場景主要是科學計算，就是類似于氣候模擬、物理模擬、生物信息學等專業研究，應用場景很有價值，但卻狹窄。正因為此，英偉達的CUDA一直沒有打開市場，帶給英偉達的回報無法與對應的巨量研發投入匹配。黃仁勛每年都需要向董事會解釋，為什么英偉達要堅持做CUDA？

其實當時老黃也不知道，英偉達的CUDA會在未來幾年，先后迎來區塊鏈“挖礦”、AI大模型計算等計算場景，真實潑天富貴。

短短兩年時間，英偉達通過H100、H200芯片，締造了萬億AI帝國，市值已超越亞馬遜等傳統豪強，按照這樣的勢頭，在可見的未來，超越蘋果、微軟成為世界頭號巨頭也不是沒有可能。

在被稱為AI應用元年的2024，英偉達的CUDA（通用計算平臺）正如其名，變得通用起來，從大語言模型、對話式AI、邊緣計算等底層技術，到智能座艙、自動駕駛、人形機器人等應用場景，再到AI手機、AI PC、AI家電、AI搜索、AI繪畫等應用，以及未來的氣候預測、計算光刻與6G網絡，AI正無處不在，英偉達的計算也無處不在，成為“通用計算”。

當英偉達的卡以及CUDA平臺越來越重要時，其他科技巨頭看到了“制霸”危機：

一方面，英偉達的卡價格不菲，且擁有絕對定價權，廠商們囤積GPU卡要給英偉達巨額資金，結果就是：做AI的不一定賺錢（當前幾乎都不賺錢），英偉達卻賺爆了。

另一方面，英偉達可以決定最頂尖的卡先給誰，給多少，給不給。此外，英偉達也依托GPU的計算資源向上層業務拓展，涉足云等業務，與科技巨頭形成一定的競爭。

事實上從2023年開始，很多芯片廠商和大模型廠商都意識到了這些問題，紛紛希望通過另建一套軟件平臺對抗英偉達的CUDA。不能說所有嘗試都失敗了，只能說目前還沒有出現真正的挑戰者。

如今，一個新聯盟和開源平臺，可能會徹底改變英偉達CUDA一家獨大的局面——如同當初谷歌振臂高呼組建的OHA聯盟以及開源的安卓對抗蘋果一般。因緣際會的是，在這一輪打破CUDA霸權的戰爭中，谷歌依然扮演了至關重要的角色，安卓陣營的高通、ARM們也在發揮各自的關鍵作用。

日光之下，無新事。

巨頭組建聯盟反抗CUDA

「整個行業都希望能干掉CUDA，包括谷歌、OpenAI等公司都在想方設法讓人工智能訓練更加開放。我們認為CUDA的護城河既淺又窄。」在去年年底的一場活動上，英特爾CEO帕特·基辛格（Pat Gelsinger）語出驚人地指出了對于英偉達CUDA平臺的看法。

但即便基辛格認為CUDA的護城河「既窄又淺」，他也明白挑戰在人工智能訓練上挑戰英偉達，絕非易事。

根據路透社報道，Linux基金會聯合英特爾、谷歌、高通、ARM以及三星等公司成立了統一加速基金會（UXL），以英特爾的oneAPI為起點，正在開發一套開源軟件套件，允許人工智能開發者在任何AI芯片上運行他們的代碼。

這里需要簡單介紹下，oneAPI是英特爾的統一編程模型和軟件開發框架，可以讓開發者無需對代碼進行重大修改，就能借助oneAPI實現跨硬件架構（包括英特爾的CPU、GPU和FPGA）的程序開發。

簡單來說，UXL就是在oneAPI的基礎上更進一步，要實現更廣泛的跨架構跨平臺支持，解除芯片硬件與軟件的強綁定關系。

而集合了芯片廠商、大模型廠商以及晶圓代工廠的UXL，無疑是想取代英偉達CUDA平臺，成為全球人工智能開發者的首選開發平臺。高通人工智能和機器學習主管Vinesh Sukumar就明確表示：

「我們實際上是在向開發者展示如何從英偉達平臺遷移出來。」

甚至，UXL最終也將支持英偉達的硬件和代碼。

而除了最初參與的創始成員，UXL還吸引了包括亞馬遜AWS、微軟Azure以及多家芯片廠商。同時根據規劃，UXL預計在今年上半年確定技術規范，在年底前將技術細節完善成熟。

至于UXL能不能成功替代掉CUDA，成為全球人工智能開發者的首選平臺，顯然還需要一系列的證明，畢竟超越CUDA：

真的很難。

對抗CUDA，到底難在哪里？

首先我們需要明白，CUDA既是一種編程語言，也是一種編譯器。

作為編程語言，CUDA是開發者通過CUDA與底層硬件（GPU）溝通、調用算力的一種方式，新建一套新的編程語言并不難。作為編譯器，CUDA無疑有很高的性能，這意味著開發者可以通過CUDA在GPU上更高效地執行程序，用更容易理解的話說：

CUDA可以高效地利用GPU的峰值算力。

考慮到今天人工智能訓練對于大算力、高性能的追求，也無怪乎開發者對于CUDA的偏愛。

但實際上英偉達在這兩個層面上絕非天下無敵，尤其是OpenAI開源的Triton，不僅能在英偉達的GPU上實現接近CUDA的執行效率，還在合并AMD ROCm（對標CUDA）等平臺的代碼，兼容更多的GPU。

CUDA難以被撼動的關鍵在于，它還是一種生態。

去年臺北電腦展上，老黃透露有400萬開發者正在使用CUDA計算平臺。而且在過去十幾年間（CUDA推出于2007年），CUDA已經積累了大量的高性能程序庫以及框架代碼。這也是為什么盡管連OpenAI都吐槽用CUDA為GPU編程的難度，但更多開發者還是基于CUDA，而不是Triton進行開發。

另一方面，英偉達的軟硬件協同設計也讓這種優勢更加牢不可破。

要知道，Triton可以兼容英偉達的GPU，其他GPU也可以兼容CUDA，甚至在效率上后來居上也并非不可能。但軟件適配硬件需要時間，尤其是在GPU上需要更長的時間。

這意味著英偉達一旦發布新的GPU和CUDA版本，不管是兼容CUDA還是兼容英偉達的GPU，就需要重新追趕英偉達的腳步。

所以某種程度上，能打敗英偉達的只有采用軟硬件協同設計的策略，同時擁有強大的芯片能力和軟件能力。

用“安卓模式”，打破英偉達算力霸權

谷歌擁有自己的TPU、XLA計算平臺，還有自己的大模型和一系列算力「出口」。但谷歌這套并不外賣，所以包括Authropic（Claude母公司）、Midjourney都是通過谷歌云使用這一套算力解決方案，而沒有選擇購買英偉達的GPU。

從這角度來看，UXL雖然聚集了從晶圓代工廠到芯片廠商，再到云計算和大模型廠商，涵蓋了AI芯片的主要上下游，但真正的挑戰還在于不同成員之間的協同，這也是UXL能不能成功的關鍵。

如果沒有足夠的利益捆綁，每一個“聯盟”都難成氣候，聚集得多高調，渙散就有多迅猛。安卓生態能成功的關鍵在于，系統平臺、半導體、硬件、開發者等等參與者能各取所需，一起將蛋糕做大。UXL是否能形成同樣的正循環效應？當下，我們不知道答案。

年初，OpenAI Sam Altman語不驚人死不休，曝出計劃籌集7萬億美元解決AI面對的算力問題。雖然這個數字驚掉了所有人的下巴，但也再一次地說明了，以OpenAI為代表的人工智能行業對于算力的極度渴求——在微軟支持下，OpenAI也在布局自有芯片體系。

總而言之，英偉達不能滿足所有人，所有人也不滿足于只有一家英偉達。換句話說，不管UXL能不能成功，谷歌會不會改變策略，所有人都會繼續挑戰英偉達：

直到打破算力霸權。