CUDA C++
PulseAugur coverage of CUDA C++ — every cluster mentioning CUDA C++ across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
NVIDIA 通过 CUDA Rust 项目支持 Rust 编写 GPU 内核
NVIDIA 正在通过推出 CUDA Rust 来扩展其 GPU 编程生态系统，使开发人员能够直接使用 Rust 编写 GPU 内核。该计划利用 NVlabs 的两个新开源项目：用于单指令多线程 (SIMT) 模型的 cuda-oxide 和用于较新 Tile 模型的 cutile-rs。这两个项目都旨在通过利用 Rust 的编译时检查来防止常见的内存别名错误，从而提高安全性，这是系统级 AI 开发的重要一步。
-
NVIDIA发布CUDA Python 1.0；OpenAI首席执行官指出AI经济适应缓慢
NVIDIA已发布CUDA Python 1.0版本，该版本提供了稳定的API和完整的平台访问权限，使Python开发人员无需学习CUDA C++即可利用GPU。另外，OpenAI首席执行官Sam Altman评论称，全球经济适应人工智能的速度比预期的要慢。
-
在不规则GPU工作负载上，Rust和CUDA C++的表现优于Triton
一篇新的研究论文比较了CUDA C++、Rust和Triton在GPU工作负载上的性能，特别关注哈希表插入等不规则操作。研究发现，虽然这三种语言在规则、密集线性代数任务上的表现相似，但在不规则工作负载上，Rust和CUDA C++的表现显著优于Triton。Triton在表达探测循环和原子操作方面的局限性会导致性能大幅下降，甚至在某些情况下导致数据丢失。
-
Modular 开发 CUDA C++ 的开放替代方案以实现 AI 计算
Modular 正在开发 CUDA C++ 和 OpenCL 的替代方案，以普及 AI 计算。该公司旨在提供一个更开放、更易于访问的 AI 开发平台，摆脱专有解决方案。
-
OpenCL 和 SYCL 因开发缓慢未能成为主流AI计算标准
虽然 OpenCL 和其他基于 C++ 的 GPU 编程模型（如 SYCL）旨在实现跨平台兼容性并获得了广泛采用，但它们未能成为主流的 AI 计算平台。主要问题包括委员会驱动的开发速度缓慢，导致缺乏快速的功能迭代和供应商特定的扩展。此外，硬件供应商之间“开放合作竞争”的固有紧张关系，即创新成果保密，阻碍了这些标准满足 AI 快速变化的需求。