【新智元導讀】DeepSeek模型開發竟繞過了CUDA？最新爆料稱，DeepSeek團隊走了一條不尋常的路——針對輝達GPU低級彙編語言PTX進行最佳化實現最大性能。業界人士紛紛表示，CUDA護城河不存在了？ 原本DeepSeek低成本訓出的R1，就已經讓整個矽谷和華爾街為之虎軀一震。 而現在又曝出，打造這款超級AI，竟連CUDA也不需要了？ 根據外媒的報導，他們在短短兩個月時間，在2,048個H800 GPU叢集上，訓出6710億參數的MoE語言模型，比頂尖AI效率高出10倍。

隨著人工智慧不斷滲透到生活的各個領域，這些工具將運行在哪種軟體上仍然是一個問題。軟體堆疊（或協同工作以在計算系統上實現特定功能的軟體元件集合）的選擇在以 GPU 為中心的人工智慧任務計算需求中變得越來越重要。 隨著 AI 和 HPC 應用不斷突破計算能力的極限，軟體堆疊的選擇會顯著影響性能、效率和開發人員的生產力。 目前，軟體堆疊競爭中有三個主要參與者：Nvidia 的計算統一裝置架構 (CUDA)、英特爾的 oneAPI 和 AMD 的 Radeon Open Compute (ROCm)。雖然它們各有優缺點，但 Nvidia 的 CUDA 繼續佔據主導地位，主要是因為其硬體在 HPC 和現在的 AI 領域處於領先地位。 在這裡，我們將深入研究每個軟體堆疊的複雜性——探索它們的功能、硬體支援以及與流行的 AI 框架 PyTorch 的整合。此外，我們將最後快速瞭解兩種高級 HPC 語言：Chapel 和 Julia。