打破CUDA霸权！！！

英伟达凭借人工智能芯片的领先地位，市值飙升至 2.2 万亿美元。这些芯片成为 OpenAI 等初创公司和谷歌、微软等巨头的生成式人工智能开发中不可或缺的工具。

NVIDIA 的深厚技术护城河巩固了其市场主导地位。拥有近 20 年的计算机代码积累，NVIDIA 的 CUDA 平台为超过 400 万开发者提供了创建 AI 和应用程序所需的关键工具，使其竞争对手难以望其项背。

科技巨头联盟正联合挑战英伟达在人工智能领域的霸主地位。通过开发使开发人员与非英伟达芯片连接的软件，他们旨在打破英伟达的 CUDA 软件束缚，该软件一直是其优势。这个联盟将英伟达的主导地位视为威胁，并致力于削弱其在人工智能市场的影响力。

凭借 UX League (UXL) 提供的技术基础，英特尔前 One API 的演化，企业可利用统一编程模式，跨各种架构和设备，以更有效的方式开发和部署高性能应用程序。

UXL的成立，异构计算的必然结果？

UXL（统一加速）基金会应运而生，旨在加速 UXL 技术的普及。

UXL 生态系统副总裁指出，产业发展需求推动了 UXL 的成立。

科技行业见证了三个关键转变：

1. 移动软件重塑了手持设备的潜力。

2. 云计算普及了大规模计算。

3. 加速计算的兴起，推动了计算机架构的转变。

异构计算概念正在成为现实，预示着计算机架构的创新时代。

异构计算将不同类型的处理器（CPU、GPU、专用芯片）集成在单一系统中，推动科技领域的变革。该术语虽然由来已久，但正在加速行业演进，特别是人工智能领域的应用。

数据密集型工作负载和基于 LLM 的 AI 应用程序的兴起推动了 GPU 使用量激增，在科学和金融等领域的使用呈持续快速增长的趋势。目前，大多数顶级超级计算机都大量采用 GPU，因为 GPU 提供惊人的计算能力，特别适合处理并行任务。

根据2023 年 Evans Data 开发人员调查， 75% 的软件开发人员正在使用或计划使用高性能计算 (HPC)，表明加速器的使用量正在上升。我们现在面临的挑战是，Linux 和 GNU 使用开源和基于标准的项目改造了 CPU 的软件堆栈，而 GPU 软件堆栈仍然相当新，并且某些领域（尤其是人工智能）的标准仍在定义中。此外，预计专门为人工智能等最新工作负载设计的专用处理器在未来几年将需要基于标准的软件堆栈。我们正在进入一个高度异构的计算机架构新时代。

随着加速计算的兴起，UXL基金会应运而生，集结了业界领军企业，包括Arm、富士通、谷歌等。UXL致力于打造一个开放、多架构、多供应商的平台，为加速器构建通用的编程模型。这一举措将释放加速计算的潜力，推动其广泛应用。

UXL 基金会致力于加速计算的未来，引领异构架构的创新。我们通过 oneAPI 规范，利用 SYCL 和 ISO C++ 等行业标准，定义了一种中立、开放的方式，开发跨供应商的软件解决方案。

与社区密切合作，我们推动开源实现的发展，满足各种需求。这种共同努力赋能开发人员，让他们能够通过中立、独立的平台，充分利用异构计算的潜力。

据介绍，oneAPI是一个原本由英特尔推动的，统一的、简化的编程模型，旨在简化跨多架构的开发过程（如CPU、GPU、FPGA、加速器）。其核心是核心是英特尔的 Data Parallel C++ (DPC++)——一个建立在 C++ 和 Khronos SYCL 标准之上的语言；SYCL是一种 Khronos 开放标准，自 7 年多前第一个规范发布以来，一个健康的生态系统已经随着多种实现、处理器供应商的采用以及整个开发者社区的广泛使用而不断发展。

开源基金会定义了核心库接口规范，实现基本数学和人工智能操作。这些接口与 ISO C++ 和 BLAS 等行业标准保持一致。开源项目实现了此规范，以实现多供应商并行。开发人员可以使用单个代码库编写跨越 AMD、Arm、Intel 和 NVIDIA 处理器的代码，通常仅编译为单个二进制文件。

摆脱CDUA霸权，是最终目标？

依托芯片和 CUDA 的优势，英伟达牢牢占据 AI 加速器市场。卓越的性能构建起难以逾越的护城河，让竞争对手望而却步。

CUDA是一种创新平台，为GPU加速数学密集型工作负载而设计。自2006年推出以来，CUDA已成为业界标准，仅适用于NVIDIA GPU。

得益于CUDA的不断发展和对GPU性能的关注，NVIDIA在人工智能和机器学习模型训练领域占据领先地位。

然而，芯片巨头们不愿意坐以待毙。

优化后的文章：

UXL 基金会打造开源人工智能平台

UXL 基金会创建了一套跨平台的开放式软件工具，旨在简化人工智能加速器芯片的开发。该平台支持多种芯片类型，使代码可在不同硬件上运行，不受底层技术的限制。

正如高通主管所言，该平台旨在帮助开发者轻松地从 Nvidia 平台迁移出来，建立一个更灵活、更具包容性的生态系统。

谷歌高性能计算总监兼首席技术专家 Bill Magro 强调，科技巨头致力于打造开放生态系统，以提升机器学习框架中的硬件生产力和多样性。作为 UXLC（通用芯片语言规范）项目的创始成员，谷歌积极贡献该项目技术方向的制定，以推动行业发展。

UXL的技术指南委员会将于年中制定技术规范。今年年底前，工程师计划完成技术细节，打造一个稳定的基础。这一基础融合了多家公司的贡献，可部署在各种芯片或硬件上。

UXL 专注于解决当今计算领域的紧迫挑战，如人工智能和高性能计算，它为开发人员提供了克服芯片制造商主导的障碍所需的资源。这一战略旨在吸引足够多的开发人员使用 UXL 的平台，实现其长期的发展目标。

从长远来看，UXL 最终旨在支持 Nvidia 硬件和代码。

面对开源和风险投资软件的竞争，英伟达高管 Yann LeCun 承认了行业加速的趋势。他表示，来自整个生态系统的创新アイデア将不断扩展人工智能和加速计算的可能性。

超过 40 亿美元的风险投资和企业资金已投资于 93 个项目。这笔巨额投资证明了投资者对创新和增长的信心，为新兴公司提供了实现潜力的资源。

2023 年，针对英伟达软件漏洞的初创公司投资激增至 20 亿美元，较 2022 年的 5.8 亿美元大幅增长。这些投资表明人们越来越关注挑战英伟达的市场主导地位，挖掘其软件方面的潜在弱点。

依托 NVIDIA 人工智能数据处理团队，初创公司取得了卓越成就。NVIDIA 的 CUDA 软件以其强大的功能和不断进化的开放性而著称，融合了 NVIDIA 的专业知识和开发者社区的支持。

尽管行业不断变化，但CUDA已扎根市场15年。D2D Advisory首席执行官Jay Goldberg表示：“CUDA的重要性不在于其本身，而是用户早已基于其构建代码。”这表明CUDA在行业中的根深蒂固，并暗示其持续相关性和生态系统的价值。

据相关报道，到目前为止，UXL Group 的开发工作主要集中在名为 OneAPI 的软件工具包上。该工具包由英特尔开发，可以编写可以相对轻松地在不同芯片之间移动的人工智能应用程序。OneAPI 基于名为 SYCL 的早期框架，该框架同样专注于简化应用程序的可移植性。英特尔通过多项附加功能扩展了该框架，其中最引人注目的是名为 SYCLomatic 的功能。它旨在将为 Nvidia CUDA 编写的软件转换为能够在其他公司的 AI 芯片上运行的 SYCL 代码。

优化迁移 Nvidia 应用程序的效率和降低成本，将提升竞争对手芯片的吸引力。这可能对 Nvidia 在显卡市场的领先地位构成长期挑战。

UXL 基金会的技术指导委员会正致力于规范 AI 编程模型，预计将于 2024 年上半年发布。该模型预计将在 2024 年底达到成熟，由联盟成员公司和第三方提供技术支持。

值得一提的是，尽管 AMD 和 Nvidia 在创始人名单中缺席，但两者在 GPU 市场中占据重要地位。

Nvidia 凭借 CUDA 技术占据市场领先地位，而 AMD 的 ROCm 技术则专注于支持其设备。

UXL 基金会的未来取决于 AMD 和 Nvidia 的支持。Nvidia 目前不依赖 oneAPI，而 AMD 的 ROCm 缺乏市场动力。如果没有这两家公司的支持，UXL 基金会实现其目标的能力令人怀疑。

附：UXL基金会成立的演示文稿

-对此，您有什么看法见解？-

-欢迎在评论区留言探讨和分享。-