
在SC26大会上,NVIDIA庆祝其并行计算平台CUDA诞生20周年。官方数据显示,CUDA开发者数量已突破1100万。自2006年推出以来,CUDA将GPU的应用范畴从图形处理拓展至科学研究、模拟仿真及人工智能领域,成为加速计算的核心基础设施。
从专用计算到主流科学
NVIDIA回顾了CUDA发展历程中的标志性节点,强调其在分子生物学、深度学习及蛋白质结构预测等领域的关键作用。早期应用案例包括伊利诺伊大学厄巴纳-香槟分校Klaus Schulten团队,利用纳米级与可视化分子动力学工具,将GPU引入分子模拟。这一工作随后促成与匹兹堡大学、范德堡大学的合作。2013年,三方研究人员借助基于CUDA的工具及Blue Waters超级计算机,成功解析HIV衣壳的原子结构。
在AI领域,多伦多大学Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton利用两块NVIDIA GPU训练出AlexNet,并在2012年ImageNet竞赛中夺冠。这一事件被视为深度学习的早期转折点,证实了GPU在神经网络训练中的潜力,即便当时深度学习尚未达到如今的商业规模。
赋能前沿科学突破
CUDA的影响力持续延伸至最新科学成果。NVIDIA指出,AlphaFold 2利用CUDA进行GPU加速,助力Demis Hassabis和John Jumper因蛋白质结构预测方面的贡献荣获2024年诺贝尔化学奖。这再次印证了GPU计算在推动重大科学进步中的基础作用。
NVIDIA强调,CUDA的成长得益于由研究人员、软件开发者和工程师组成的社区生态。目前,超过1000个CUDA-X库广泛应用于药物发现、工厂设计、自动驾驶、金融建模及量子计算等领域。从最初简化非图形任务编程的工具,CUDA已演变为科学计算和AI开发的标准组件,尤其在大规模并行处理场景中不可或缺。
随着AI需求激增,NVIDIA芯片及其软件堆栈的战略地位显著提升。高切换成本使得成熟的CUDA生态在快速增长的市场中构筑了稳固壁垒。其影响力已从大学实验室延伸至工业界及商业AI团队,覆盖从传统分子建模到生成式AI的新兴负载。NVIDIA表示,CUDA 20周年是向那些奠定现代科学与AI基础的开发者致敬的时刻。