Software is a top priority for Nvidia, the chip designer has made clear at this week’s ongoing GPU Technology conference, and that this continues to influence its hardware development.
جنسن هوانگ، مدیرعامل انویدیا گفت، غول سیلیکون ولی پذیرای ایده پردازنده‌های غیر انویدیا است که برای اجرای بومی نرم‌افزاری که با استفاده از جعبه ابزار توسعه CUDA ساخته شده است تنظیم شده است. ثبت نام during a press conference. CUDA is Nvidia’s اختصاصی programming platform and interface for applications to harness the computing power of the company’s GPUs. CUDA is helping Nvidia sell more of these accelerators into enterprises.
هوانگ به ما گفت که این شرکت هیچ برنامه ای برای منبع باز کردن محیط توسعه CUDA خود ندارد، اگرچه اگر شرکت ها بخواهند تراشه های خود را برای برنامه های کاربردی ساخته شده توسط CUDA بسازند یا بهینه کنند، شرکت لزوما مخالف این تلاش نیست.
“Underneath CUDA is Nvidia’s hardware,” Huang said. “There’s really nothing to open source. If somebody would like to build an application for CUDA or to build another chip for CUDA, we’re not not fundamentally against it, and nobody has ever asked.”
The alternative would be for Nvidia to open-source its GPUs for others to use in their system-on-chips with CUDA-built applications running on top, which just isn’t going to happen, Huang said. CUDA is often considered light-years ahead of similar frameworks for other architectures, and Nvidia isn’t going to open up the software, nor the underlying hardware, to rivals.
To successfully produce a CUDA-compatible accelerator that can take full advantage of the framework, you will likely need Nvidia’s input, and that’s only going to happen if it makes commercial sense all round.
If a large player with lots of money to spend wants to develop custom silicon for the programming framework, that would grab Nvidia’s interest, said Jim McGregor, principal analyst at Tirias Research.
“If it’s a huge customer like Facebook, [Nvidia] will do whatever they need to,” McGregor said. Top cloud providers like Amazon and Google are customizing chips for specific workloads, and Nvidia may lose out if it chooses not to collaborate in this area, plus CUDA’s relevance could be diluted, he opined.
گوگل خودش را دارد خانواده TPU های داخلی برای تسریع نرم افزارهای یادگیری ماشینی، به عنوان مثال، توجه می کنیم.
انویدیا خود را به عنوان یک شرکت نرم افزاری در اطراف CUDA قرار می دهد که بیشتر وسیله ای برای فروش بیشتر پردازنده های گرافیکی است. این شرکت خود را به عنوان ارائه‌دهنده نرم‌افزار و سخت‌افزار متاورس می‌بیند، یک جهان سه بعدی موازی که توسط فیس‌بوک (متا کنونی) به عنوان یک دنیای دیجیتال بدون مرز که در آن آواتارها می‌توانند کار، بازی و تعامل داشته باشند، حمایت می‌کند.
CUDA is central to Nvidia’s metaverse hardware and software platform called همه گیر. در همین حال، شرکت ها از CUDA برای آوردن برنامه های کاربردی خود به دنیای مجازی استفاده می کنند.
انویدیا دارای 150 کیت توسعه نرم افزار برای ساخت ابزارها و غیره در CUDA است که برخی از برنامه های کاربردی جدید نیز در این زمینه وجود دارد. انتخاب مجدد برای بهینه سازی زنجیره تامین و کوکوانتوم برای شبیه سازی محاسبات کوانتومی بر روی یک GPU. CUDA همچنین برای نوشتن نرم افزار برای خودروهای خودران مجهز به سخت افزار Nvidia استفاده می شود.
Nvidia is balancing on a tightrope of projecting itself as an “open” company, while also recruiting organizations into its closed hardware and software ecosystem.
“Our strategy is not to be a bespoke, not to be a proprietary computer, but be an open computer,” Huang said during the press conference, “but be an open computer that allows the world to build software upon it. And whenever the software doesn’t exist, we go and create it.”
While Nvidia holds on tight to CUDA, its crown jewels, rival tools are trying to fill the gap. Nvidia’s GPUs are compliant with از OpenCLیک چارچوب برنامه نویسی موازی که توسط AMD و Intel پشتیبانی می شود. AMD مجموعه نرم افزاری شتاب دهنده سخت افزاری و CUDA wannabe را ارائه می دهد ROCm، و اینتل تمام آن را دارد oneAPI ارائه.
OpenAI در ماه جولای یک چارچوب ویژه هوش مصنوعی به نام را اعلام کرد تریتون، که یک محیط برنامه نویسی شبیه پایتون را فراهم می کند که در آن محققان بدون تجربه CUDA می توانند کد کارآمدی را برای اجرا بر روی GPU های Nvidia بنویسند.
یک پروژه به نام گرداب به دنبال اجرای برنامه های CUDA به GPU در دستگاه های RISC-V است.
در سال 2013، انویدیا اعلام کرد که IP GPU خود را به اشخاص ثالث مجوز می دهد. وقتی از ما پرسیدیم که آیا هنوز این کار را انجام می دهد، شرکت پاسخی نداد. AMD مجوز معماری GPU خود را به سامسونگ داده است که این شرکت قصد دارد از آن در تراشه های موبایل خود استفاده کند. ®
منبع: https://go.theregister.com/feed/www.theregister.com/2021/11/10/nvidia_cuda_silicon/
