این طراح تراشه در کنفرانس جاری فناوری GPU این هفته به صراحت اعلام کرده است که نرم افزار اولویت اصلی انویدیا است و این موضوع همچنان بر توسعه سخت افزار آن تأثیر می گذارد.
جنسن هوانگ، مدیرعامل انویدیا طی یک کنفرانس مطبوعاتی به The Register گفت، غول سیلیکون ولی پذیرای ایده پردازنده های غیر انویدیا است که برای اجرای بومی نرم افزار ساخته شده با استفاده از جعبه ابزار توسعه CUDA خود تنظیم شده اند. CUDA پلت فرم و رابط برنامه نویسی اختصاصی انویدیا برای برنامه هایی است که از قدرت محاسباتی پردازنده های گرافیکی این شرکت استفاده می کنند. CUDA به انویدیا کمک می کند تا تعداد بیشتری از این شتاب دهنده ها را به شرکت ها بفروشد.
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.
هوانگ گفت: «زیر CUDA سخت افزار انویدیا قرار دارد. "واقعاً چیزی برای منبع باز وجود ندارد. اگر کسی بخواهد یک برنامه کاربردی برای CUDA بسازد یا یک تراشه دیگر برای CUDA بسازد، ما اساساً مخالف آن نیستیم و هیچ کس تا به حال نپرسیده است."
به گفته هوانگ، گزینه جایگزین این است که انویدیا پردازنده‌های گرافیکی خود را منبع باز کند تا دیگران در سیستم روی تراشه‌های خود از برنامه‌های ساخته‌شده CUDA در بالا استفاده کنند، که این اتفاق نمی‌افتد. CUDA اغلب سال‌های نوری جلوتر از چارچوب‌های مشابه برای معماری‌های دیگر در نظر گرفته می‌شود، و انویدیا قصد ندارد نرم‌افزار و سخت‌افزار زیربنایی را به روی رقبا باز کند.
برای تولید موفقیت‌آمیز یک شتاب‌دهنده سازگار با CUDA که می‌تواند از مزایای کامل این چارچوب استفاده کند، احتمالاً به ورودی انویدیا نیاز خواهید داشت، و این تنها در صورتی اتفاق می‌افتد که در کل منطق تجاری داشته باشد.
به گفته جیم مک گرگور، تحلیلگر اصلی در Tirias Research، اگر یک بازیکن بزرگ با پول زیادی برای خرج کردن بخواهد سیلیکون سفارشی را برای چارچوب برنامه نویسی توسعه دهد، این امر باعث جلب توجه انویدیا می شود.
مک گرگور گفت: "اگر مشتری بزرگی مانند فیس بوک باشد، [Nvidia] هر کاری را که لازم باشد انجام خواهد داد." برترین ارائه دهندگان ابر مانند آمازون و گوگل در حال سفارشی سازی تراشه ها برای بارهای کاری خاص هستند و انویدیا در صورت عدم همکاری در این زمینه ممکن است ضرر کند، به علاوه ارتباط CUDA ممکن است کمرنگ شود.
به عنوان مثال، ما توجه می کنیم که Google خانواده TPU های داخلی خود را برای تسریع نرم افزارهای یادگیری ماشینی دارد.
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، دنیای 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 در پلتفرم سخت افزاری و نرم افزاری متاورس انویدیا به نام Omniverse، مرکزی است. در همین حال، شرکت ها از CUDA برای آوردن برنامه های خود به دنیای مجازی استفاده می کنند.
انویدیا 150 کیت توسعه نرم‌افزاری برای ساخت ابزارها و غیره در CUDA دارد که برخی از برنامه‌های کاربردی جدید ReOpt برای بهینه‌سازی زنجیره تامین و cuQuantum برای شبیه‌سازی محاسبات کوانتومی روی یک GPU هستند. CUDA همچنین برای نوشتن نرم افزار برای خودروهای خودران مجهز به سخت افزار Nvidia استفاده می شود.
انویدیا بر روی طناب محکمی که خود را به عنوان یک شرکت "باز" نشان می دهد تعادل برقرار می کند و در عین حال سازمان ها را در اکوسیستم سخت افزاری و نرم افزاری بسته خود به خدمت می گیرد.
هوانگ در خلال کنفرانس مطبوعاتی گفت: "استراتژی ما این نیست که یک کامپیوتر سفارشی باشیم، یک کامپیوتر اختصاصی نباشیم، بلکه یک کامپیوتر باز باشیم، بلکه یک کامپیوتر باز باشیم که به جهان اجازه می دهد تا نرم افزاری بر روی آن بسازد. و هر زمان که نرم افزار وجود ندارد، ما می رویم و آن را ایجاد می کنیم."
در حالی که انویدیا به CUDA، جواهرات تاج خود چسبیده است، ابزارهای رقیب در تلاش برای پر کردن این شکاف هستند. پردازنده‌های گرافیکی انویدیا با OpenCL، یک چارچوب برنامه‌نویسی موازی که توسط AMD و اینتل پشتیبانی می‌شود، مطابقت دارند. AMD یک مجموعه نرم‌افزار شتاب‌دهنده سخت‌افزاری و CUDA wannabe به نام ROCm ارائه می‌کند، و اینتل کل پیشنهاد oneAPI خود را دارد.
OpenAI در ماه ژوئیه یک چارچوب مخصوص هوش مصنوعی به نام Triton را معرفی کرد که یک محیط برنامه نویسی شبیه پایتون را فراهم می کند که در آن محققان بدون تجربه CUDA می توانند کد کارآمدی برای اجرا بر روی GPU های Nvidia بنویسند.
پروژه ای به نام Vortex به دنبال اجرای برنامه های CUDA به پردازنده های گرافیکی 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. ®
