2月5日，中科曙光宣布全国首个3万卡AI超集群正式上线，部署于国家超算互联网郑州核心节点。该集群基于scaleX架构，兼容CUDA等主流软件生态，支持多品牌国产加速卡混合部署，并可扩展至十万卡甚至百万卡规模，满足产业规模化需求。系统已适配优化400多个主流大模型，支持万亿参数模型训练及高通量推理，广泛赋能科研与产业应用。例如，助力国内某材料研发大模型登顶国际榜单，将蛋白质研究效率提升3-6个数量级。此外，搭配OneScience平台，降低多学科交叉研究门槛，实现“算力+应用”一体化交付。这是自2025年12月HAIC大会首次亮相后，不到2个月完成的大规模算力落地。

标题：天下苦CUDA久矣，又一国产方案上桌了 正文： 允中 发自 凹非寺 量子位 | 公众号 QbitAI 国产算力基建发展多年，核心问题始终是：芯片够多吗？但对开发者来说，更扎心的问题是：好用吗？ 如果把AI开发比作做饭，现在的尴尬在于——虽然国产硬件越来越多，但大厨们仍习惯用进口生态...

2026年初，英伟达推出名为CUDA Tile的GPU编程语言，被业内认为是向中国技术‘取经’。此前，2024年一个中国团队开发了类似的TileLang语言，其高效性和跨平台特性引发关注。TileLang通过简化线程调度和数据复用，大幅提升开发效率与性能，减少了对英伟达硬件的依赖。英伟达此举被视为应对国内技术创新压力的举措，试图重新掌控GPU编程生态。然而，TileLang因不绑定特定硬件，仍具独特优势，为开发者提供了更多选择。这一趋势表明，开放技术路线正逐步挑战传统垄断地位，类似DirectX与Vulkan的竞争或将重现。

2025年，英伟达发布CUDA 13.1，推出革命性CUDA Tile编程模型，开发者可用15行Python代码实现媲美200行C++的GPU性能。新模型将数据组织为Tile，编译器自动优化硬件映射，大幅降低开发门槛，特别适合AI算法开发。新增功能包括cuBLAS FP64仿真、Grouped GEMM API加速MoE场景等，同时Nsight工具支持Tile内核分析。尽管Tile模型提升跨代GPU兼容性，但英伟达强调其基于CUDA生态，迁移至其他厂商硬件仍需重写代码。芯片界传奇Jim Keller质疑此举可能削弱CUDA护城河，因其抽象层次更高，或使AI内核更易移植至AMD、Intel等平台。此次更新显著降低了高性能GPU编程的技术壁垒，惠及更多开发者与研究者。

11月19日，中诚华隆在北京发布首款全国产训推一体AI芯片HL系列。HL100采用自研GPGPU+NPU融合架构，FP16算力达256 TFLOPS，支持128GB LPDDR5显存，兼容CUDA生态，显存容量为国外某AI芯片的1.33倍。该芯片能效比3.41 TFLOPS/W，同等功耗下算力为国外芯片的8倍，总拥有成本仅为1/4，支持灵活扩展至千卡规模。此外，中诚华隆规划了未来三代产品（HL200、HL200Pro、HL400），原生支持FP8/FP4，对标国际主流性能，满足下一代生成式AI需求。中诚华隆成立于2017年，专注于自主可控的通算、智算等基础设施建设。

11月10日，微软被曝开发新工具包，可将英伟达CUDA代码转译至AMD ROCm平台运行。该工具通过Runtime兼容层技术，动态翻译CUDA API调用为ROCm指令，降低开发者迁移门槛。此举旨在打破英伟达在AI领域的CUDA生态霸权，推动硬件多样化。随着AI推理需求增长，昂贵的英伟达GPU推高成本，微软希望借助AMD芯片（如MI300X系列）提供更经济的算力选择。这一战略可能改变市场格局，削弱英伟达垄断地位，促进AI硬件与软件生态的开放性。

2025年9月，甲骨文公司宣布投入16亿美元进行大规模重组，裁员可能超3000人，重心转向AI基础设施。为履行与OpenAI等公司签署的云协议，甲骨文计划每年在数据中心投入数十亿美元，导致现金流自1992年以来首次转负。其股价年内上涨近90%，AI基础设施收入增长55%，预计五年内达1440亿美元。与此同时，全球科技行业面临产能危机，微软、亚马逊等巨头也加大投资优化AI专用设施，但英伟达GPU短缺等问题制约发展。中国国产AI芯片市场规模达380亿美元，但软件生态仍依赖CUDA，技术差距亟待解决。

2025年8月，A股市场见证寒武纪股价飙升，22日涨停涨幅达20%，市值突破5200亿元，超越中芯国际成半导体行业龙头；25日再涨11.4%，市值逼近5800亿元，直追贵州茅台。此轮暴涨源于AI公司DeepSeek发布适配国产芯片的UE8M0 FP8技术，激发市场对国产算力未来的想象。然而，寒武纪市盈率高达4010倍，盈利能力尚不稳固，Q1净利润3.55亿元中有较大比例依赖非经常性损益，基本面存疑。同时，国内竞争激烈，国际CUDA生态壁垒高企，寒武纪突围之路挑战重重。资本市场对其寄予厚望，但千倍市盈与现实基本面的巨大落差，让其未来充满不确定性。

2025年7月，苹果宣布其MLX框架新增对英伟达CUDA的支持，引发广泛关注。MLX是苹果专为端侧AI模型训练推出的开源框架，此前主要适配自研芯片。由于英伟达CUDA生态在AI开发领域的主导地位及其市值突破4万亿美元的强势表现，苹果选择妥协，主动拥抱CUDA以满足开发者需求。此举允许苹果开发者利用英伟达GPU训练模型，并提升跨平台部署效率。这一战略调整被视作苹果十年来的重要举措，也再次引发对其与英伟达“陈年旧怨”的讨论。CUDA作为英伟达的核心护城河，拥有超500万开发者和4万家企业支持，苹果此举意在借力CUDA生态扩大自身AI市场影响力，同时规避法律风险。

7月16日，苹果专为Apple Silicon设计的机器学习框架MLX正新增对英伟达CUDA的支持。这一更新允许开发者在Apple Silicon Mac上开发应用后，导出至CUDA环境运行，从而降低硬件成本。此前，由于MLX深度集成于Metal框架，无法在macOS外运行，开发者需额外硬件完成部署测试。新支持由GitHub开发者@zcbenz主导，通过模块化逐步并入MLX主分支。该功能仅限从苹果环境导出代码至Nvidia硬件运行，不能直接在Mac上使用Nvidia显卡或运行基于CUDA的项目。此举有助于小规模开发者节省开支，并结合Nvidia硬件的高性能提升算力支持。