黄仁勋重申CUDA护城河难破,25年生态积累成核心壁垒,但AI编程正带来变量

在2026年GTC柏林大会上,英伟达CEO黄仁勋回应关于CUDA生态被削弱的质疑,强调其25年积累形成的飞轮效应难以复制;同时,他发布Vera Rubin新架构与DSX POD AI工厂方案,并指出大...

人工智能

在2026年10月22日于柏林举行的GPU技术大会(GTC)上,英伟达CEO黄仁勋以一场近90分钟的主题演讲,系统阐述了公司当前的技术战略与长期判断。其中,他对CUDA生态护城河的坚定捍卫,成为外界关注焦点——面对AMD等厂商近年对ROCm生态的持续投入,以及国内多家企业推动自主AI计算框架的努力,黄仁勋明确表示:CUDA的领先优势并非来自单一芯片性能,而是源于一个跨越25年、深度嵌入全球研发流程的软件生态系统。

黄仁勋指出,CUDA自2006年推出以来,已演化为一种“基础设施级”的开发环境:它不绑定特定CPU架构(可兼容x86与ARM),覆盖云服务、科研、工业仿真及生成式AI等广泛场景。一名开发者若选择CUDA,意味着其代码可直接运行于全球数百万台服务器与工作站之上,无需额外适配成本。这种“开箱即用”的确定性,反过来又吸引大量第三方软件与库持续构建于CUDA之上,形成自我强化的飞轮效应。

“其他公司试图先造一款芯片,再找理由让人用它;而我们早已让开发者把CUDA当作默认选项。”黄仁勋将这一机制类比为“操作系统级粘性”——正如Windows或Linux之于PC生态,CUDA已成为AI时代底层算力的事实标准。他特别提到,即便在物理AI、机器人等新兴领域,CUDA仍是主流训练与推理框架的核心支撑平台。

值得注意的是,黄仁勋并未回避挑战。他在演讲中坦承,大语言模型具备的自动代码生成能力,正构成对传统生态壁垒的潜在冲击。“当AI能以远超人类的速度编写并优化CUDA内核时,技术门槛可能被大幅拉低。”这意味着,未来竞争或将从“是否拥有CUDA兼容性”,转向“能否高效利用AI辅助开发工具链”。目前,AMD的ROCm虽在部分HPC场景取得进展,但在主流深度学习框架(如PyTorch、TensorFlow)的原生支持度与社区活跃度上仍显著落后;而国内如华为昇思(MindSpore)、寒武纪MLU、DeepSeek的推理框架等,虽在政策驱动下加速落地,但尚未形成跨行业通用的开发者共识。

除生态议题外,本次GTC亦集中展示了英伟达在硬件与交付模式上的双重升级。黄仁勋发布了新一代AI超级计算机架构Vera Rubin,其单机架集成72颗GPU,实现100%液冷设计,理论算力较前代Blackwell提升30%,预计两年内再翻倍。更关键的是,他同步推出DSX POD——一种模块化“AI工厂”集装箱方案:所有计算单元、网络、供电与液冷管路在工厂预集成测试,现场仅需14天即可上线运行,相较传统数据中心6个月的部署周期大幅压缩。

该方案已获戴尔、联想、富士康、广达等17家合作伙伴支持,计划于2027年初全球交付。谷歌云同日宣布,搭载Vera Rubin NVL72系统的A5X实例将于下月开放,首批部署规模达96万块Rubin GPU,伦敦AI公司Ineffable Intelligence已率先接入开展强化学习研究。

黄仁勋在谈及制造能力时,也释放出重要信号。当被问及与中国长鑫存储合作可能性时,他明确表示持开放态度,并强调:“中国在底层基础设施技术方面非常出色,没有哪个国家在制造业方面比中国更强。”这一表态呼应了其一贯主张:技术全球化不可逆,供应链协作是产业现实。与此同时,他重申对高带宽内存(HBM)与LPDDR的持续需求,驳斥“2029年存储过剩”的市场担忧,称“内存的好处在于你总是可以用得更多”——这既反映AI模型参数膨胀趋势,也凸显英伟达对算力密度提升的刚性依赖。

黄仁勋解释GPU作为“时间机器”的理念

演讲尾声,黄仁勋以四只法国Pollen Robotics开发的MicroDuck智能机器鸭作演示,通过语音指令控制其完成坐立、趴卧、翻跟头等动作,直观呈现物理AI的交互潜力。他再次强调:“电子永远不会取代原子,AI不会取代领域专家的知识,只会增强它。”在他构想的未来中,每家企业都将拥有实体工厂与数字工厂双轨并行,而GPU作为“时间机器”,将持续加速从模拟到现实的转化过程。

从技术演进角度看,CUDA的护城河确实仍在加宽:截至2026年,全球超95%的AI训练任务依赖CUDA生态,PyTorch官方版本默认使用CUDA后端,Hugging Face等开源平台亦深度集成。然而,大模型驱动的自动化编程工具(如GitHub Copilot X、CodeLlama-34B)已在部分场景实现CUDA内核的零样本生成与调优,使非专业开发者也能快速产出高性能代码。这为ROCm、OneAPI乃至国产框架提供了“曲线突围”的机会窗口。

文章配图

短期来看,CUDA的主导地位难以撼动;中长期而言,生态竞争将不再仅取决于历史积累,而更依赖于对AI原生开发范式的响应速度与工具链整合能力。黄仁勋所言“25年功力别人挡不住”,既是事实陈述,也是一种战略宣示——英伟达正试图将CUDA从“GPU编程接口”升维为“AI时代通用计算语言”,而这场博弈,才刚刚进入深水区。