過去一年多，矽谷掀起的生成式AI 革命席捲全球，愈演愈烈。而在這場革命有中兩條非常明顯的主線：一是基礎技術的進化，以GPT、Gemini 為代表的大模型繼續向著AGI（通用人工智慧）迭代；二是現象級應用的湧現，生成式AI 在不同領域、不同場景下的應用狂潮在逐步改變人類的生活和工作方式，例如雷科技尤其關注的AI硬體領域，就出現了AI手機、AI PC、AI電視、AI家電、AI清潔等新應用。

在兩條主線下，還有一條關於算力的「暗線」。

對AI 的發展來說，算力短缺已經不是一天兩天的問題，時至今日各大公司都還在繼續搶購GPU，更確切地說，是英偉達的高端GPU：

如果說《沙丘》是“得香料者得天下”，那麼AI 行業就是“得英偉達GPU 者得天下”。

圖/英偉達

這也讓整個產業對英偉達GPU 又愛又恨，一方面是基於CUDA 平台的英偉達高階GPU 可以簡單、有效率地進行人工智慧訓練，另一方面是所有人都過於依賴英偉達這家公司。

CUDA是英偉達AI的基石

關於英偉達GPU 成功原因的分析已經很多了，其核心主要還是英偉達GPU 本身的高效能（包括互連性能），加上CUDA 平台帶來的軟硬體協同效應。英偉達在硬體本身的優勢並不難逾越，問題關鍵在於軟體，在於CUDA 平台。

在前段時間的GTC 2024開幕演講上，老黃也回顧了英偉達的發展史。

2014年，黃仁勳首次強調機器學習的重要性，當時AlphaGo尚未戰勝李世石，深度學習並未引發世界級關注。不過當時英偉達已提出CUDA（通用運算平台）的概念，當許多人還在把英偉達當作「遊戲顯示卡」的製造商時，其走在了AI 變革前沿。

不過最初，CUDA的應用場景主要是科學計算，就是類似氣候模擬、物理模擬、生物資訊學等專業研究，應用場景很有價值，但卻狹窄。正因為此，英偉達的CUDA一直沒有打開市場，帶給英偉達的回報無法與對應的巨量研發投入相符。黃仁勳每年都需要向董事會解釋，為什麼英偉達要堅持做CUDA？

其實當時老黃也不知道，英偉達的CUDA會在未來幾年，先後迎來區塊鏈「挖礦」、AI大模型計算等計算場景，真實潑天富貴。

（圖源：英偉達）

短短兩年時間，英偉達透過H100、H200 晶片，締造了萬億AI帝國，市值已超越亞馬遜等傳統豪強，按照這樣的勢頭，在可見的未來，超越蘋果、微軟成為世界頭號巨頭也不是沒有可能。

現在，英偉達的「卡」供不應求，不只是字節、百度等中國科技巨頭在搶著囤卡以應對極端情況，矽谷科技巨頭如微軟、Meta，也全都在找老黃買卡。

在被稱為AI應用元年的2024，英偉達的CUDA（通用計算平台）正如其名，變得通用起來，從大語言模型、對話式AI、邊緣計算等底層技術，到智能座艙、自動駕駛、人形機器人等應用場景，再到AI手機、AI PC、AI家電、AI搜尋、AI繪畫等應用，以及未來的氣候預測、計算光刻與6G網絡，AI正無所不在，英偉達的計算也無所不在不在，成為「通用計算」。

當英偉達的卡片以及CUDA平台越來越重要時，其他科技巨頭看到了「制霸」危機：

一方面，英偉達的卡價格不菲，且擁有絕對定價權，廠商們囤積GPU卡要給英偉達巨額資金，結果就是：做AI的不一定賺錢（當前幾乎都不賺錢），英偉達卻賺爆了。

另一方面，科技巨頭被英偉達卡了脖子。英偉達可以決定最頂尖的卡片先給誰，給多少，給不給。此外，英偉達也依托GPU的運算資源向上層業務拓展，涉足雲端等業務，與科技巨頭形成一定的競爭。

事實上從2023 年開始，許多晶片廠商和大型模型廠商都意識到了這些問題，紛紛希望透過另建一套軟體平台對抗英偉達的CUDA。不能說所有嘗試都失敗了，只能說目前還沒有出現真正的挑戰者。

如今，一個新聯盟和開源平台，可能會徹底改變英偉達CUDA 一家獨大的局面——如同當初谷歌振臂高呼組建的OHA聯盟以及開源的Android對抗蘋果一般。因緣際會的是，在這一輪打破CUDA霸權的戰爭中，Google依然扮演了至關重要的角色，Android陣營的高通、ARM們也在發揮各自的關鍵作用。

日光之下，無新事。

巨頭組聯盟反抗CUDA

「整個產業都希望能幹掉CUDA，包括Google、OpenAI 等公司都在想方設法讓人工智慧訓練更加開放。我們認為CUDA 的護城河既淺又窄。」在去年年底的一場活動上，英特爾CEO 帕特·基辛格（Pat Gelsinger）語出驚人地指出了對於英偉達CUDA 平台的看法。

但即便基辛格認為CUDA 的護城河“既窄又淺”，他也明白挑戰在人工智慧訓練上挑戰英偉達，絕非易事。

根據路透社報道，Linux 基金會聯合英特爾、Google、高通、ARM 以及三星等公司成立了統一加速基金會（UXL），以英特爾的oneAPI 為起點，正在開發一套開源軟體套件，允許人工智慧開發者在任何AI 晶片上運行他們的程式碼。

圖/ UXL

這裡需要簡單介紹下，oneAPI 是英特爾的統一程式設計模型和軟體開發框架，讓開發者無需對程式碼進行重大修改，就能藉助oneAPI 實現跨硬體架構（包括英特爾的CPU、GPU 和FPGA）的程式開發。

簡單來說，UXL 就是在oneAPI 的基礎上更進一步，要實現更廣泛的跨架構跨平台支持，解除晶片硬體與軟體的強綁定關係。

而集合了晶片廠商、大型模型廠商以及晶圓代工廠的UXL，無疑是想取代英偉達CUDA 平台，成為全球人工智慧開發者的首選開發平台。高通人工智慧和機器學習主管Vinesh Sukumar 就明確表示：

“我們實際上是在向開發者展示如何從英偉達平台遷移出來。”

甚至，UXL 最終也將支援英偉達的硬體和程式碼。

而除了最初參與的創始成員，UXL 還吸引了包括亞馬遜AWS、微軟Azure 以及多家晶片廠商。同時根據規劃，UXL 預計在今年上半年確定技術規範，在年底前將技術細節完善成熟。

至於UXL 能不能成功取代掉CUDA，成為全球人工智慧開發者的首選平台，顯然還需要一系列的證明，畢竟超越CUDA：

真的很難。

對抗CUDA，到底難在哪裡？

首先我們要明白，CUDA 既是一種程式語言，也是一種編譯器。

作為程式語言，CUDA 是開發者透過CUDA 與底層硬體（GPU）溝通、呼叫算力的一種方式，要新建一套新的程式語言並不難。作為編譯器，CUDA 無疑有很高的效能，這意味著開發者可以透過CUDA 在GPU 上更有效率地執行程序，用更容易理解的話說：

CUDA 可以有效率地利用GPU 的峰值算力。

CUDA，圖/英偉達

考慮到現今人工智慧訓練對於大算力、高效能的追求，也無怪乎開發者對CUDA 的偏好。

但實際上英偉達在這兩個層面上絕非天下無敵，尤其是OpenAI 開源的Triton，不僅能在英偉達的GPU 上實現接近CUDA 的執行效率，還在合併AMD ROCm（對標CUDA）等平台的程式碼，相容於更多的GPU。

CUDA 難以被撼動的關鍵在於，它還是一種生態。

去年台北電腦展上，老黃透露有400 萬開發者正在使用CUDA 運算平台。而且在過去十幾年間（CUDA 推出於2007 年），CUDA 已經累積了大量的高效能程式庫以及框架程式碼。這也是為什麼儘管連OpenAI 都吐槽用CUDA 為GPU 編程的難度，但更多開發者還是基於CUDA，而不是Triton 進行開發。

另一方面，英偉達的軟硬體協同設計也讓這種優勢更加牢不可破。

要知道，Triton 可以相容於英偉達的GPU，其他GPU 也可以相容於CUDA，甚至在效率上後來居上也並非不可能。但軟體適配硬體需要時間，尤其是在GPU 上需要更長的時間。

這意味著英偉達一旦發布新的GPU 與CUDA 版本，不管是相容CUDA 還是相容於英偉達的GPU，就需要重新追趕英偉達的腳步。

（老黃最新發布的Blackwell，圖/英偉達）

所以某種程度上，能打敗英偉達的只有採用軟硬體協同設計的策略，同時擁有強大的晶片能力和軟體能力。

用“Android模式”，打破英偉達算力霸權

Google擁有自己的TPU、XLA 運算平台，還有自己的大模型和一系列算力「出口」。但Google這套並不外賣，所以包括Authropic（Claude 母公司）、Midjourney 都是透過Google雲端使用這套算力解決方案，而沒有選擇購買英偉達的GPU。

從這個角度來看，UXL 雖然聚集了從晶圓代工廠到晶片廠商，再到雲端運算和大模型廠商，涵蓋了AI 晶片的主要上下游，但真正的挑戰還在於不同成員之間的協同，這也是UXL 能不能成功的關鍵。

如果沒有足夠的利益捆綁，每個「聯盟」都難成氣候，聚集得多高調，渙散就有多迅猛。 Android生態能成功的關鍵在於，系統平台、半導體、硬體、開發者等等參與者能各取所需，一起將蛋糕做大。 UXL 是否能形成同樣的正向循環效應？當下，我們不知道答案。

年初，OpenAI Sam Altman 語不驚人死不休，曝出計畫募得7 兆美元解決AI 面對的算力問題。雖然這個數字驚掉了所有人的下巴，但也再一次地說明了，以OpenAI 為代表的人工智慧產業對於算力的極度渴求——在微軟支持下，OpenAI也在佈局自有晶片體系。

總而言之，英偉達無法滿足所有人，所有人也不滿足於只有一家英偉達。換句話說，不管UXL 能不能成功，Google會不會改變策略，所有人都會繼續挑戰英偉達：

直到打破算力霸權。