电子发烧友网报道（文/周凯阳）近日，英伟达股价持续上涨，正式超越微软，成为全球市值最高的公司。当然，这与GPU 作为AI 硬件的流行密不可分，原因如下。一举成为全球最大的公司首先，真正推动公司前进的是围绕CUDA 构建的一套软件生态系统。

英伟达——CUDA的绝对统治

我想对GPU有一定了解的人都知道Nvidia最大的护城河是CUDA。 CUDA在后端架构上具有绝对优势，并且随着AI发展的加快，NVIDIA GPU+CUDA开发生态系统已经强化到许多竞争对手无法比拟的水平。自2006 年推出以来，CUDA 甚至在人工智能和深度学习成为主流之前就持续开发并行计算，为开发人员提供了丰富的库、工具和算法。

如今，CUDA 在世界各地拥有庞大的开发者社区。几乎所有深度学习框架都针对CUDA 进行了优化，包括TensorFlow、Pytorch 等。为了尽快进入市场，大多数开发者更喜欢CUDA作为他们的主要计算平台。

同时，NVIDIA也在围绕CUDA更加彻底地创新和升级其硬件架构，采用更先进的工艺和封装技术来提高计算性能和效率。例如，Volta 架构中引入Tensor Core 显着增强了NVIDIA GPU 上的矩阵运算，从而显着提高了深度学习训练和推理的性能。这两者的结合赋予了CUDA 强大的地位。

在游戏软件领域，NVIDIA的DLSS可以说是市场上最先进的专有Super Score技术，并且由于不断的训练，每个版本都能够在图形渲染领域带来突破。

最后，从软件生态的角度来看，由于涉及到生产力工具，Nvidia 在这方面具有更大的优势。当年，当苹果和AMD 还在GPU 上合作的时候，很多生产力工具都针对AMD 的GPU 做了很多硬件优化。然而，随着苹果转向Arm 架构，NVIDIA 在这个市场上正在缓慢增长。

许多多媒体处理软件，无论是来自Adobe 还是独立开发人员创建的，都支持NVIDIA CUDA 硬件加速。甚至Intel的核显在某些软件支持上也比AMD的要好。因此，除了一些特效相关的工作之外，工作站中安装的AMD GPU 越来越少。

谷歌、英特尔和高通等科技巨头也在探索打破CUDA 垄断的机会，但合作并不总是软件生态系统的双赢，最终可能只是为市场提供更多选择。但在易用性和性能方面，它仍然比不上全力推进、永不停歇的CUDA。

AMD

AMD对GPU软件生态系统持相对开放的态度，非常致力于开源开发社区。虽然AMD的ROCm针对的是NVIDIA的CUDA，但它不受硬件限制，并扩展到Radeon和Instinct系列GPU，以及其他硬件制造商的设备。这部分是由于AMD 没有在硬件中引入Tensor Cores 等专有硬件，这也是ROCm 在某些任务上稍显逊色的原因。

作为一个开源平台，ROCm提供了对各种库和框架的支持，以及一套完整的开源工具链。因此，在HPC 和云计算等领域，制造商实际上宁愿使用AMD 的GPU，也不愿忍受Nvidia 的专有软件堆栈。然而，NVIDIA 先进的软件生态系统迫使您选择NVIDIA 的GPU。

AMD有ROCm，但整体软件生态系统仍然不如Nvidia那么成熟。在一些不以商业成功为目的的HPC项目中，AMD获得了很大份额，其中包括多款进入TOP500前10名的超级计算机。不过，纵观整个TOP500榜单，NVIDIA依然占据主导地位。不过，对于云提供商来说，短期内NVIDIA的优势仍然无法消除，因为租用这些云服务的客户愿意在NVIDIA的CUDA平台上进行开发。

在驱动软件，尤其是Linux显卡驱动方面，AMD采取开源和闭源两条路线，但也允许开源社区定制开源驱动。以Vulkan驱动AMDVLK为例，它基于Linux系统上的AMD Radeon显卡，支持光线追踪。然而，尽管手动配置和社区贡献使开源驱动程序更具兼容性，但如果您正在寻求更高的性能，闭源驱动程序仍然是一个优势。

摩尔线程

国产GPU主要分为两个方向：支持图形渲染的GPU和不支持图形渲染的GPU，后者仍然以AI领域的突破为目标，前者是C我们正在推动的副产品。我们还有一系列AI GPU产品。国产GPU产品中，摩尔线程在AI和图形渲染的软件支持方面取得了突出的成绩。

基于MUSA的统一架构，Moore Thread为服务器应用创建了MTT S80和MTT S3000等桌面显卡。匹配Moore Thread自创的软件开发平台，包括AI开发平台、MUSA SDK、MT Smart Media、MTVerse XR等。

此外，Moore Threads创建的生态架构与您现有的软件生态系统完全兼容，并且MUSIFY工具可以让您零成本地将代码迁移到MUSA平台。与AMD 的ROCm 一样，MUSA 兼容CUDA，而不是像ZLUDA 那样重新编译二进制代码，因此并不违反NVIDIA 的EULA 条款。

从Moore Thread最近发布的官方消息来看，他们选择了逐步完成对AI中大型模型的自适应支持的路线。 Moore Thread的夸鹅钱卡智能计算集群已完成30亿至700亿参数的大规模模型训练和推理适配。虽然摩尔线程的GPU在算力方面仍逊色于国际大厂，但我们相信未来通过在IP和硬件设计方面取得进一步突破，一定能够为Masu的高性能AI算力奠定基础。

消费级显卡驱动程序也不断更新摩尔线程以优化性能。以5月底发布的v260.70版本驱动为例，不仅提供了对OpenGL 4.0功能的支持并优化了Blender 3.6 LTS体验，还对DirectX 11中众多热门游戏的性能进行了大幅优化。虽然此类驱动程序更新的规模仍落后于NVIDIA，但这也表明了制造商继续优化性能的决心。

写在最后

事实上，越来越多的厂商开始涉足GPU，越来越多的GPU厂商正在研发AI。 CUDA 有着深厚的生态根基，但在不断变化的人工智能世界中，其他制造商也是如此。在某些应用中，后来者仍有可能迎头赶上。然而，制造商在围绕图形渲染的软件生态系统中面临着更厚的技术障碍。我们不仅有研究10年以上的决心，更要不断完善硬件产品，配合工业软件生态，不断发现和培养更多的图形研究人才。

版权声明：本文转载于网络，版权归作者所有。如有侵权，请联系本站编辑删除。