英伟达CUDA 13.1革新：Tile编程模型引领GPU编程新时代

GPU编程领域正迎来一场颠覆性的变革。

英伟达正式发布了最新版CUDA 13.1，官方直接将其定义为自2006年问世以来最显著的飞跃。

核心革新在于推出了全新的CUDA Tile编程模型，使得开发者能够利用Python编写GPU内核，仅用15行代码即可媲美200行CUDA C++代码的性能表现。

消息一经公布，芯片界传奇人物Jim Keller立即提出疑问：

英伟达是否亲手瓦解了CUDA的“护城河”？如果英伟达也转向Tile模型，AI内核将更便捷地移植到其他硬件平台。

Jim Keller曾参与设计AMD Zen架构、苹果A系列芯片、特斯拉自动驾驶芯片，被誉为“硅仙人”，他的见解在行业内具有极高权重。

那么问题来了：CUDA此次究竟带来了哪些改变？为何会被视为“自毁长城”？

GPU编程范式从“线程”转向“瓦片”

要理解这次更新的重要性，首先需回顾传统CUDA编程的复杂之处。

过去20年间，CUDA一直沿用SIMT（单指令多线程）模型，开发者在编码时必须手动处理线程索引、线程块、共享内存布局和线程同步等细节，每一项都需精心调配。

若要充分释放GPU性能，特别是利用Tensor Core等专用模块，更需要深厚的经验与技术积累。

CUDA Tile彻底颠覆了这一模式：

开发者不再需要逐线程编写执行路径，而是将数据组织为Tile（瓦片），并定义在这些Tile上执行的运算。至于如何将这些运算映射到GPU的线程、Warp和Tensor Core上，则由编译器和运行时自动处理。

这类似于NumPy在Python中的作用。

英伟达为此构建了两个核心组件：

CUDA Tile IR是一套全新的虚拟指令集，它在高级语言和硬件之间添加了一层抽象，确保基于Tile编写的代码能够在不同代际的GPU上运行，从当前的Blackwell到未来架构都能保持兼容。

cuTile Python则是面向开发者的接口，允许直接使用Python编写GPU内核，将门槛从“HPC专家”大幅降低至“任何会写Python的数据科学家均可操作”。

此外，这次更新还带来了一系列针对Blackwell架构的性能优化：

cuBLAS引入了FP64和FP32精度在Tensor Core上的仿真功能；

新增的Grouped GEMM API在MoE（混合专家模型）场景下可实现高达4倍的加速；

cuSOLVER的批处理特征分解在Blackwell RTX PRO 6000上相比L40S实现了约2倍的性能提升；

开发者工具Nsight Compute新增了对CUDA Tile内核的性能分析支持，能够将性能指标直接映射回cuTile Python源代码。

目前CUDA Tile仅支持Blackwell架构（计算能力10.x和12.x），开发重点集中在AI算法上。英伟达表示未来将扩展到更多架构，并推出C++实现。

硅仙人的质疑：降低门槛是一把双刃剑

那么Jim Keller为何认为英伟达可能“终结了自己的护城河”？

关键在于Tile编程模型并非英伟达独有。AMD、Intel以及其他AI芯片厂商的硬件，在底层架构上同样能够支持基于Tile的编程抽象。

过去CUDA难以移植，很大程度上是因为SIMT模型与英伟达硬件深度绑定，开发者需要针对具体GPU架构手动优化代码。这些代码转移到其他硬件上时，要么无法运行，要么性能显著下降。

但Tile模型天然具备更高的抽象层次。当开发者习惯了“只定义Tile运算，硬件细节交由编译器”的思维方式后，理论上同一套算法逻辑更容易适配到其他支持Tile编程的硬件上。

正如Jim Keller所说：“AI内核将更容易移植。”

不过英伟达也预留了后手，CUDA Tile IR提供了跨代兼容性，但这种兼容性建立在CUDA平台之上。

开发者编写的代码确实更易移植，但移植目标主要是英伟达自家的不同代GPU，而非竞争对手的硬件。

从这个角度看，CUDA代码可以从Blackwell无缝迁移到下一代英伟达GPU，但要迁移到AMD或Intel平台，仍需重写。

无论护城河是加深还是削弱，有一点是确定的：GPU编程的门槛正在大幅降低。

过去能熟练驾驭CUDA的开发者是稀缺资源，会写Python的人比比皆是，但能将代码优化到充分发挥Tensor Core性能的专家却凤毛麟角。

CUDA Tile和cuTile Python打破了这一瓶颈。英伟达在开发者博客中提到，一个15行的Python内核性能可媲美200行手动优化的CUDA C++代码。

大量数据科学家和AI研究者从此能够直接上手编写高性能GPU代码，无需再依赖HPC专家进行优化。

参考链接：

[1]https://developer.nvidia.com/blog/focus-on-your-algorithm-nvidia-cuda-tile-handles-the-hardware

[2]https://x.com/jimkxa/status/1997732089480024498