
那么,这次突破的分量到底如何?我们得先回到计算芯片的底层运作原理。芯片其实是一块刻满微小电路的硅片,它本身是听不懂人类语言的,也无法看懂高级编程代码。软件想要指挥硬件干活的话,中间必须经过一层精密的翻译以及调度系统,英伟达的 CUDA 扮演的正是这一角色。
早在 2006 年的时候,英伟达就推出了 CUDA 这一平台,允许开发者们直接调用显卡里的并行计算单元。经过长达二十年之久的持续投入,CUDA 已从一个简单的编程工具,演变成为一套庞大且精密的软件生态系统。它的内部集成了数以百计经过极限优化的算子库,覆盖了图形渲染、科学计算以及 AI 训练的方方面面。
对于全世界的开发者而言,使用 CUDA 的顺手程度就好比是各种现成的工具摆在手边,调用起来方便又高效。大家早已习惯了这套开发语言,大学教材也是围绕它编写,开源社区的代码亦是默认基于它运行。久而久之以后,全球数百万开发者都聚集在这个生态里面,形成了非常强的用户粘性。
假设此时有另一家芯片公司造出了性能不错的硬件,那么摆在客户面前的却是一座难以逾越的高山。鉴于芯片内部电路设计不同,英伟达的软件无法直接运行在竞争对手的硬件上面。这时企业要想更换供应商,就必须组建一支精通底层硬件架构的技术团队,把原本运行良好的程序全部推倒重来一遍。
这支团队往往需要耗费半年甚至一年的时间,去重写成千上万行的底层内核代码,同时还要反复调试各种莫名其妙的系统崩溃。对于争分夺秒的科技公司 CEO 来说,产品晚发布半年就意味着丢失了整个市场。当算清楚这笔时间账之后,绝大多数企业只能果断放弃更换硬件的念头,继续排队购买英伟达的芯片。