“20年来最大更新”，英伟达CUDA带来了什么？

　　2025 年 12 月，NVIDIA 推出 CUDA 13.1，此次更新被官方定位为“自 2006 年 CUDA 平台诞生以来最大、最全面的升级”。其核心亮点之一，是引入了新的编程模型 CUDA Tile。这个变化，有可能不仅仅是一项技术迭代，而是标志着 GPU 编程范式迈入一个新的阶段。

　　CUDA 13.1 + CUDA Tile：到底带来了什么新东西？

　　CUDA Tile 是一种基于 tile（瓦片、数据块）的 GPU 编程模型。与传统的 SIMT（single-instruction, multiple-thread，多线程单指令流）方式不同，Tile 编程允许开发者将数据组织为tile （例如矩阵块、张量块、数据块），然后对这些 tile 进行操作，由编译器和运行时负责将它们映射到底层线程、内存布局、专用硬件等资源。换句话说，开发者只需专注对块做什么计算，无需关心哪个线程做哪一部分、怎样同步的问题。

　　为了支持 Tile，NVIDIA 在 CUDA 13.1 中引入了虚拟指令集 (Tile IR)，并配套提供 cuTile。这是一个允许用高级语言编写 tile-based kernel 的工具，通过 cuTile，开发者可以用熟悉的 Python 编写 GPU kernel，从而极大降低 GPU 编程的门槛。

　　根据官方描述，Tile 编程并不是要取代 SIMT，而是作为一种并存或可选的编程路径。也就是说，开发者根据需求，可以继续使用传统 SIMT，也可以在适合场景下使用 Tile。

　　CUDA 13.1 除了 Tile，还对运行时（runtime）和工具链进行了升级，例如对 GPU 资源调度与管理机制进行了增强，使 GPU 的多任务、并发、异构任务支持更灵活可靠。

　　官方同时对数学计算库（如矩阵、张量库）与底层支持的兼容性进行了优化，以更好支持未来 GPU 特性（例如 tensor core、多级缓存、异构资源分配等）。由此看来，这次更新不仅是对编程模型的改变，也为构建新一代高层、跨架构 GPU 的计算库、框架和DSL 奠定了基础。

　　综合来看，CUDA 13.1 + CUDA Tile 的意义，不仅在于新增一个功能或对性能进行优化，而更在于为 GPU 编程提供了一个新的、更高层、更抽象、更便捷，且可维护和可移植的选项。

　　GPU 越来越复杂，手动管理变得不足够

　　随着 GPU 架构不断演进，引入越来越多专用硬件（例如 tensor core、混合精度加速、多级缓存与内存层次、异构资源、多流或多任务支持等），底层硬件复杂度大幅增加。对开发者而言，手动管理线程、同步、内存布局、调度、硬件兼容性等负担越来越重。传统 SIMT 模型虽然灵活，但对高性能、可移植、可维护的要求而言，其复杂性和维护成本日益凸显。

　　在这种背景下，Tile 编程所引入的高层抽象、由系统负责的资源映射、调度、硬件利用，恰好切中了现实需求。对于 AI、大规模矩阵、张量计算、科学计算、深度学习等领域，非常具有吸引力。NVIDIA 官方也明确指出，Tile 的设计初衷是为了帮助创建适用于当前和未来 GPU 的软件。

　　借助 cuTile (Python DSL)，许多过去因为不擅长 CUDA C、对底层 GPU 编程不熟悉的数据科学家、研究者，也可能开始编写 GPU 加速代码。对于深度学习、科学计算、AI 团队或高校研究机构来说，这意味着 GPU 加速不再只属于少数 GPU 专家核心团队，而可能被更多人使用。此外，对于那些需要跨 GPU 架构的团队来说，一次编写、多代兼容的可能性，将大大降低重构、优化和维护的成本。

　　（来源：英伟达）

　　同时，Tile 提供了一条新的 GPU 编程路径。这条路径不仅对单个项目或团队有利，也可能促使整个 GPU 软件生态走向更高层、更抽象、更通用、更易维护和跨架构兼容。这种变化对未来 GPU 编程规范化、标准化以及广泛应用具有潜在推动力。这次更新可能不仅仅是一个版本号的提升，而是 GPU 编程范式的一次质变。

　　从硬核到普惠的转折点

　　在技术社区中，CUDA 13.1 的发布引发了截然不同的两种情绪，而这恰恰印证了这次更新的变革性。

　　对于资深的高性能计算（HPC）工程师而言，反应是复杂的。一方面，他们习惯了对每一个寄存器、每一块共享内存（Shared Memory）的精细控制，CUDA Tile 这种将细节交给编译器的做法，不可避免地引发了关于性能上限的讨论。正如在 Reddit 和 Hacker News 上一些硬核开发者所担忧的：“我们是否正在用极致的性能换取开发的便利性？”

　　然而，对于更广泛的数据科学家和 AI 算法工程师群体，这无疑是一个好消息。长期以来，将 PyTorch 或 TensorFlow 中的高层逻辑转化为高效的 CUDA 核心代码，是一道难以逾越的技术鸿沟。cuTile Python 的出现，实际上是在填平这道鸿沟。它意味着开发者不再需要精通 C++ 和计算机体系结构，仅凭 Python 就能触达 GPU 80% 甚至 90% 的理论性能。这种性能平权可能会引爆新一轮的 AI 算子创新。当编写一个高效的 Attention 变体不再需要两周的 C++ 调试，而只需一下午的 Python 脚本时，创新的飞轮将转得更快。

　　（来源：Shutterstock）

　　竞争格局的深层变化：从代码兼容到架构抽象

　　在 CUDA 13.1 之前，竞争对手（如 AMD 的 ROCm 或 Intel 的 OneAPI）主要的追赶策略，是通过兼容层（如 HIP）来转译现有的 CUDA 代码。这种策略主要基于 C++ 语法的相似性。

　　然而，CUDA Tile 的出现改变了这种竞争的维度。通过引入 Tile IR（虚拟指令集）和高层抽象，NVIDIA 实际上是在硬件和软件之间增加了一个更厚的中间层。

　　当开发者开始习惯使用 Tile 编程模型，更多地关注数据块的逻辑而非底层线程调度，代码与底层硬件的解耦程度变得更高。这意味着，代码的执行效率将更多地依赖于编译器如何理解和优化这些 Tile 操作。对于竞争对手而言，要支持这种新模式，仅仅做代码转译是不够的，还需要构建一个同样智能的编译器来处理这些高层抽象，这无疑增加了技术对齐的难度，也客观上提高了生态系统的粘性。

　　面向云环境的演进：Green Contexts 的实际价值

　　除了编程模型，CUDA 13.1 在运行时环境上的改进，特别是 Green Contexts 从驱动层走向运行时 API，反映了 GPU 使用场景的结构性变化。

　　在 Blackwell 架构时代，GPU 已经从单纯的加速卡转变为数据中心的核心算力单元。随着单卡算力（如 B200 系列）的大幅提升，对于许多单一任务来说，独占整块 GPU 往往是一种资源浪费。

　　Green Contexts 允许开发者或系统管理员在运行时更安全、更细粒度地划分 GPU 资源（SM）。这在技术上解决了多任务并行时的干扰问题，使得 GPU 能够像 CPU 一样，高效、稳定地同时处理多个用户的任务。对于云服务商和企业内部的算力调度来说，这直接提升了昂贵硬件的利用率和投资回报率。

　　新的挑战：抽象化带来的黑盒隐忧

　　当然，这种向高层抽象的演进也并非没有代价。CUDA Tile 带来的最大挑战在于调试与性能优化的透明度降低。

　　在传统的 SIMT 模式下，开发者清楚地知道每一行代码对应什么指令，数据在寄存器和内存间如何移动。而在 Tile 模式下，编译器接管了大量的数据布局和映射工作。一旦性能不如预期，或者出现非功能性 Bug，开发者可能会发现很难像以前一样精准定位问题。

　　虽然 NVIDIA 在 Nsight 工具链中增加了对 Tile 的支持，但如何让开发者理解编译器的优化逻辑，而不是面对一个无法干预的“黑盒”，将是这一新模式能否被资深开发者广泛接受的关键。此外，这也意味着软件性能将更加依赖于 NVIDIA 编译器团队的优化水平，而非开发者个人的微调能力。

　　CUDA 13.1 的发布，本质上是 NVIDIA 应对硬件复杂度爆发的解决方案。通过 CUDA Tile，NVIDIA 试图建立一种新的分工模式：开发者专注于高层的算法逻辑与数据流，而将复杂的硬件适配工作交给编译器和运行时环境。

　　这不仅降低了高性能计算的门槛，也让 CUDA 平台在异构计算和云原生时代，具备了更强的适应性和生态掌控力。对于开发者而言，这或许意味着是时候调整思维习惯，从微观的线程管理，转向宏观的数据块编排了。

　　参考文章：

　　1.

　　2.

　　3.