4月8日，在SEMICON CHINA 2026全球半导体产业战略峰会上，中国半导体行业协会副理事长魏少军提出突破NVIDIA CUDA生态垄断的新思路。他建议放弃复刻CUDA的传统路径，转向“软件定义芯片（SDC）”架构，通过上层软件动态定义芯片功能，实现软硬件深度协同。这一颠覆性思维旨在满足人工智能终端设备的定制化需求，提升算力供给，同时降低对西方技术的依赖。魏少军强调，尽管初期可能不够完善，但必须通过应用场景试错推动技术成熟与生态培育。此方案为中国构建自主算力体系提供了可行路径，具有重要战略意义。

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...

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。

2025年7月，英伟达市值突破4万亿美元，成为全球资本市场焦点。其成功背后不仅是GPU硬件，更是近20年前推出的CUDA生态系统的支撑。CUDA通过强大的开发者社区和工具链形成网络效应，令竞争对手难以超越。此外，英伟达通过‘向上集成’战略，从卖GPU芯片到提供全栈AI解决方案，不断提升客户价值与粘性。专家指出，英伟达正契合‘主权AI’趋势，为各国构建独立AI基础设施提供关键支持，进一步巩固其地缘政治战略资源地位。这使得其4万亿美元市值更具确定性与不可替代性。

标题：DeepSeek技术解析：如何冲击英伟达两大壁垒？ DeepSeek的V3模型以557.6万的训练成本，实现了与OpenAI O1相近的性能，引发全球关注。这不仅使英伟达股价大跌，还引发了对芯片需求和市场前景的讨论。 DeepSeek的创新主要集中在基础模型能力和训练方法上。陈羽北指出，V3模...

英伟达股价刚从4万亿元暴跌中恢复，又面临新挑战。硬件媒体Tom's Hardware报道，DeepSeek-V3论文揭示其绕过CUDA，采用更底层的PTX语言优化。DeepSeek-V3通过修改132个流式多处理器中的20个，专注于服务器间通信而非计算，从而突破硬件通信速度限制。PTX在接近汇编语言层级运行，允许细粒度优化，但复杂且难以维护。亚马逊工程师质疑CUDA是否仍是护城河，若DeepSeek开源CUDA替代方案，情况将如何变化？ DeepSeek虽使用PTX，但仍依赖CUDA生态，不过展示了优化其他GPU的能力。DeepSeek已与AMD、华为等合作，支持多种硬件。此外，DeepSeek-R1编写代码显著提升了大模型推理框架的速度，表明AI有能力编写高效底层代码，甚至优化自身。

突破Nvidia CUDA的垄断，新工具SCALE登场。英国公司Spectral Compute推出SCALE，一个专为AMD GPU设计的GPGPU工具链，允许CUDA程序无需修改在AMD设备上本地运行。SCALE利用开源LLVM组件，兼容nvcc编译器，支持CUDA源代码和NVPTX汇编，无需移植至其他语言。它已在Blender等软件上通过测试，正逐步支持更多GPU型号。AMD则通过HIP和ZLUDA项目，以及英特尔的SYCL和OneAPI，推动跨平台AI开发。这些举措表明GPU生态多元化，挑战CUDA在AI和HPC领域的主导地位。随着PyTorch等库的流行，AI开发者对CUDA的依赖减弱，预示着未来GPU技术的更多可能性。

英国初创公司Spectral Compute发布了一款名为SCALE的工具，可在AMD显卡上模拟CUDA程序，无需修改直接编译运行，引发热议并登上HackerNews热榜。这款工具通过兼容的nvcc编译器和ROCm库，支持CUDA原生代码，声称实现CUDA完全兼容，开发者无需为不同GPU平台编写代码。尽管存在一些功能限制和性能争议，如对TensorCore和特定加速框架的支持不足，以及潜在的法律问题，SCALE仍引发技术与法律讨论持续进行，开发者将通过实际使用来验证其有效性。