近日，关于英伟达禁止用转译层在其他GPU上跑CUDA软件的消息引起了广泛关注。据国外媒体报道，安装CUDA 11.6及更新版本包含的最终用户许可协议（EULA）中新增了一条警告信息：“您不能逆向工程、反编译或反汇编使用此SDK生成的任何结果，并在非英伟达平台上进行转译。”

最初人们对此的解读是“英伟达要禁止在非英伟达硬件上运行基于CUDA的软件”,引来一片惊呼。不过有专业人士指出，暂时不必惊慌。英伟达其实早在2021年网上发布的最终用户许可协议中就有这个警告信息，其真正想限制的是类似ZLUDA直接进行二进制转译运行CUDA代码的方式，也并非专门针对中国厂商。

尽管此时看起来不如当初所想影响那么大，但我们也不能认为警报完全解除。业内专家呼吁，中国AI硬件厂商应该提高警惕，AI产业的竞争最终一定是生态的竞争。美国正竭力打压我国的人工智能技术，要突破，国产AI芯片厂商需尽早布局自主的软件生态，谨防受制于人。

CUDA，英伟达的护城河

毫无疑问，在生成式AI浪潮的推动下，英伟达成为当下炙手可热的明星企业。在过去的2023年，英伟达的股价上涨了240%，今年以来又增长了近40%，市值突破2万亿美元，直逼微软、苹果。

英伟达能有今天风光，除了有AI风口助力之外，还在于它有两大支柱：其一是不断创新的GPU产品，从过去的A100到今天的H100、H200和即将推出的B100、X200等，一直领跑市场。另一大支柱就是CUDA生态，CUDA帮助英伟达筑起了一道护城河，为英伟达站在了AI产业链条的顶端保驾护航。CUDA对英伟达的意义正如x86生态至于x86芯片，让Arm多年来市场份额始终无法突破。

CUDA是Compute Unified Device Architecture的缩写，即统一计算设备架构。CUDA平台不是单单指软件或者硬件，而是建立在英伟达GPU上的整个生态体系。这个体系的基石就是CUDA编程框架，它让开发者可以借此面向GPU上编写和运行通用程序。在 CUDA 之前，英伟达的 GPU 仅仅是一个负责在屏幕上绘制图像的图形处理器，也就是单纯意义的显卡。要使用显卡的算力需要调用底层的API，编程非常复杂。有了 CUDA 后，开发人员可以像调用CPU一样通过编程调用GPU的算力。从此，GPU也成为一种通用的算力卡，可以使用图像加速卡去做通用计算，比如科学计算、AI 深度学习等。

英伟达从 2006 年开始推出CUDA。当时的英伟达日子并不好过，但英伟达还是持续投入进行CUDA 的开发，并把所有芯片都纳入 CUDA 的架构里，前后投资超过100 亿美元。多年的投入之后，CUDA慢慢在各个行业生根开花，等到AI大爆发时帮助英伟达一下子站到了产业之巅。

CUDA的一个重要价值就是其中的大量库，它为AI应用的开发提供了很大便利。比如，CUDA中有一系列高性能函数库，包括用于线性计算的cuBLAS、用于稀疏矩阵计算的cuSPARSE、用于傅立叶变换的cuFFT、用于数值求解的cuSOLVER等。这些函数库发展至今已经历经了十余年的打磨，其优化几乎已经做到了极致。同样，其中的大量标准数学函数集合也是经过行业验证的，非常准确、高效。借助CUDA，这些多年的知识可以轻松为开发者所用，大大减轻了开发者的压力，加快了开发进度。

CUDA的另一个价值表现是生态的丰富。CUDA处于行业领导者地位，面向CUDA的工具非常齐全，比如，AI涉及大量数据的处理，如训练数据的迁移、转换等，CUDA平台上都有对应的工具可以轻松实现。同时，大量AI框架也会优先面向CUDA开发，如人工智能社区就有大量基于CUDA开发的代码库。这是其他AI芯片无法比拟的优势，给开发者带来极大便利，也提高了用户的粘性。

另外，CUDA还有一套高性能编译系统，CUDA编译器能结合硬件将CUDA代码编译成非常高效的底层指令，确保硬件性能的充分发挥。

业内“苦”CUDA已久

CUDA的成功加上不断推陈出新的产品，帮助英伟达几乎垄断了AI市场，市场占有率高达90%以上，比如有些软件（如CG软件和一些AI框架）只支持英伟达卡，这也给其他AI芯片厂商带来了很大压力，即使是英特尔、AMD这样的芯片巨头也不例外。可以说，CUDA越成功，其他AI芯片突破也就越难。

为了应对CUDA对市场的垄断，由苹果、 AMD、Intel、英伟达、高通、IBM 的团队合作于 2008年推出了 OpenCL 标准，各公司采用统一的 API，但各自完成实现方式。只是当年GPU 的算力价值还没有被充分认知，OpenCL更多地考虑了多核 CPU 计算，对高层的科学计算库等支持则相对有限，最后没有得到广泛普及。后来英特尔和AMD转而打造各自计算框架，英特尔推出了OneAPI，AMD推出了ROCm。其中AMD的ROCm由于产品得力，在市场上也形成了一定影响力。

作为后来者，ROCm也要解决函数库覆盖率、AI框架支持度的问题，解决办法之一就是兼容CUDA。ROCm兼容CUDA主要通过HIP函数库来实现。具体来说，是通过Hipify工具将CUDA代码转化为等价的HIP代码，再经过ROCm编辑器编译，然后在AMD的硬件上运行。当然，这种办法编译出来的程序可能无法充分发挥芯片的硬件性能。

类似的，中国的AI芯片厂商同样也设法兼容CUDA。比如摩尔线程，其思路也和AMD相似。其推出的MUSA是摩尔线程自主研发、拥有全部知识产权GPU计算统一系统架构。同时，摩尔线程还有开发工具MUSIFY可以把CUDA代码移植到MUSA计算平台上，进行编译，最终运行在摩尔线程全功能GPU上。

不过，业内人士认为英伟达的警告并不针对AMD、摩尔线程这种CUDA代码转码的移植方式，摩尔线程也公开发布声明称不受英伟达警告的影响。

英伟达真正指向的可能类似ZLUDA这类软件。ZLUDA是一种开源软件，于2020年首次发布，最初是作为英特尔GPU上CUDA的替代品，在开源社区引起了广泛关注。ZLUDA采用了一种封装技术，让CUDA代码无需做任何工作，就可以在AMD和英特尔的显卡上运行。相比ROCm等兼容是源代码翻译后运行，ZLUDA是一种实时的二进制翻译，这才是英伟达此次要禁止的。

总体上说，目前，中国的AI芯片厂商乃至全球市场上大多的芯片厂商普遍采用的都是类似AMD的Hipify软件的方式来兼容CUDA生态。如果英伟达要限制Hipify就会有很大一批的软件要波及，这个执行难度不小，可能性不太大，从这个角度说这个禁令影响面有限。

不过，这件事也提醒中国硬件厂商，兼容CUDA只是权益之计，加快自有、自主生态建设才是终极解决之道。在当下地缘政治风险加剧的背景，加速算力国产化是必然的趋势，生态建设显得非常重要和急迫。