CUDA (Compute Unified Device Architecture)
CUDA是NVIDIA在2006年推出的并行计算平台和编程模型，是NVIDIA二十年物理豪赌的起点和基石。它允许开发者直接用C语言编写并行代码，将GPU从专门画三角形的"笨苦力"转变为通用的"流处理器"。
历史背景
在CUDA诞生之前，程序员如果想用GPU做科学计算，必须把数学问题伪装成"纹理渲染"或"像素处理"。CUDA 1.0的出现彻底改变了这一局面，使气象预报、石油勘探、分子动力学模拟等任务开始出现在研究生的桌面显卡上。
战略意义
- 开发者生态：NVIDIA投入大量资源构建cuBLAS、cuFFT等底层数学库，将开发者"喂饱"
- 标准之争：在CUDA vs OpenCL的竞争中，CUDA凭借"好用"和"快"胜出
- AI爆发的基础：CUDA生态成为2012年AlexNet和后续深度学习爆发的"核反应堆"
竞争分析
| 维度 | CUDA (NVIDIA) | OpenCL (Khronos Group) |
|---|---|---|
| 哲学 | 垂直整合，极致性能 | 跨平台兼容，硬件中立 |
| 支持者 | NVIDIA孤军奋战 | Apple, AMD, Intel, IBM |
| 开发难度 | 类C/C++，工具链完善 | 极其繁琐的样板代码，调试难 |
| 最终结果 | 统治科学计算与AI领域 | 退居移动端与嵌入式边缘市场 |
全栈壁垒
从CUDA编译器到Rubin芯片，再到Modulus框架，CUDA是NVIDIA全栈壁垒的核心组成部分。竞争对手难以在短期内复制这套深入物理骨髓的软件栈。