绕过CUDA 软件定义破局生态

▲关注中国信息化周报

经过十几年的市场培育与发展，CUDA已经成为了全球最大的AI软件开发平台，形成了庞大的生态系统，成为英伟达统治AI芯片市场的“护城河”。

相比之下，不论是其他国际AI芯片厂商，还是近年来迅速成长的国产AI芯片公司，在软件生态方面都相对薄弱，基本选择兼容CUDA软件生态、采取GPGPU路线的做法来助力自身的发展。专家提出，中国发展人工智能领域，亟须构建属于我们自己、面向未来的算力芯片生态体系。

中国芯片软件生态正经历“从无到有”的深刻建构，但和CUDA（ComputeUnifiedDeviceArchitecture，统一计算设备架构）相比，还有相当大的差距。硬件可以加速突破，但生态建设没有捷径。打破对CUDA的“软件依赖”是一场需要技术、产业、政策、人才协同的“持久战”。

有CUDA这个“城墙”在，很多AI芯片公司首先考虑的就是如何兼容CUDA，否则将会给用户和开发者带来很高的学习成本。日前，中国半导体行业协会副理事长、清华大学教授魏少军接受了《中国信息化周报》记者的专访。魏少军特别强调，所谓“兼容CUDA”本质上是一个伪命题，我们必须彻底抛弃对国外生态的幻想。在他看来，软件定义芯片（SoftwareDefinedChip，以下简称“SDC”）并非对CUDA生态的兼容或追赶，而是与CUDA-GPGPU体系另起炉灶、换道而行的全新技术路线。它的价值，在于以架构创新为支点，在成熟制程上撬动起一套属于我们自己的算力生态。

中国半导体行业协会副理事长、清华大学教授魏少军

谈及当下行业最热的话题——如何应对CUDA生态的强大壁垒，魏少军的回答没有丝毫含糊。

“CUDA生态依托英伟达的GPGPU架构形成封闭环境，本质是软件范式与某个特定硬件的强绑定，而SDC是全新架构、全新逻辑的技术体系，强调的是软硬件的解耦，二者在源头思路和技术路线上完全不同，不存在所谓‘兼容’。”

在魏少军看来，由于英伟达实现了CUDA与GPGPU的深度绑定，任何其他硬件只要与英伟达的GPGPU不完全一样，就会面临兼容性挑战。这意味着，国产高性能算力芯片要想真正摆脱被动局面，最重要的就是要摆脱对GPGPU架构的依赖——否则就会永远跟在英伟达之后亦步亦趋。

那么，SDC的破局逻辑是什么？魏少军给出的答案是：构建完全自主的底层软硬件架构、编译器与工具链体系。

他对SDC芯片的产业化进程持非常乐观的态度——依托现有产品的落地与迭代节奏，未来3年内SDC架构芯片会进入大规模产业化阶段。SDC从底层设计上就是软硬件解耦、软件定义硬件，理论上可以支持任何应用软件，不需要依附、兼容任何国外专有生态。其关键在于构建功能可重构的计算芯片架构及原生编译器、算子库、调试工具与系统软件，形成不依赖外部接口、不涉及知识产权风险的全栈自主能力。

魏少军描绘了一条具体的差异化路径：在开发者工具上，坚持开源开放、通用中立、自主可控，面向C/C++、Python等通用编程体系构建原生工具链，不依附任何私有接口；在算法库上，立足SDC高算力、大带宽、低功耗的架构优势，面向大模型、智算中心、行业算力做深度原生优化；在迁移成本上，依托通用编程模型降低开发者学习成本，而不是靠兼容国外生态换取短期便利。

“SDC生态与CUDA不是互补关系，而是换赛道、换路线的关系。”魏少军强调，“中国发展人工智能领域，必须坚定走自主技术路线，抛弃对国外生态的幻想，构建属于我们自己、面向未来的算力芯片生态体系。”

这一判断，也直接回应了行业内长期存在的两条路线之争——是走“类CUDA”兼容过渡，还是坚持自主重建。在魏少军看来，每家企业都会根据其实际情况来制定发展战略，每家情况不一样，战略选择自然不同。但从SDC长远发展与国家战略安全来看，“必须坚定选择完全自主重建路线，兼容过渡是伪命题，也是绝路”。

魏少军直言，CUDA依附于GPGPU架构，与SDC架构底层逻辑存在很大差异，所谓兼容不仅无法真正降低成本，还存在严重知识产权风险，更会让产业长期锁定在国外体系中，永远无法实现自立自强。在他看来，自主路线的优势是架构原生、生态自主、知识产权安全、长期战略主动，能够完整释放SDC软件定义、动态重构的技术潜力，“是中国算力产业真正走向领先的唯一路径”。

他对兼容路线的弊端做了直接剖析：一是存在侵权风险，产业安全无保障；二是架构不匹配，无法发挥自主芯片的核心优势；三是生态被绑定，永远只能跟跑，无法实现换道超车。“根据我们的了解，国内大型互联网企业与应用企业软件能力很强，不存在对CUDA的刚性依赖，只要坚持战略定力、克服‘换道适应期’的短期阵痛，长期将收获极大的战略优势。”

降低开发者迁移门槛该如何实现？魏少军认为，核心是做强自主工具链、做优通用编程接口、做透场景原生适配，用自主体系的易用性、高性能、高安全吸引开发者，而不是靠依附国外生态。“只要自主工具链足够完善、场景适配足够深入，开发者完全可以快速切换到SDC自主生态。”

如果说“换道”回答的是路线问题，那么“以何种工艺承载SDC”则关乎产业的现实可行性。在外部技术封锁加剧、先进制程设备与工艺受限的背景下，中国算力体系要具备安全韧性。

部分业内人士将SDC理解为“以架构创新替代先进制程依赖”，对此魏少军特别作了澄清。“这是对SDC的误解。SDC不是不需要先进制程，而是不依赖先进制程。”他指出，国内工艺水平单纯追逐3nm、5nm尖端制程并不现实，所以要立足现有产业基础，从架构创新上寻找突破口，最大限度摆脱被制程“卡脖子”的被动局面。

“先进制程依然是芯片产业的重要方向，我们不会放弃，但不能被先进制程绑架。”在魏少军看来，SDC的价值在于通过软件定义、可重构计算与近存计算3D架构，在成熟工艺节点上实现算力、能效比的大幅提升，用架构优势弥补制程差距，满足当前自主算力体系的刚需。

同时，魏少军也给出了另一层判断：摩尔定律对SDC芯片依然有效。如果未来能够获得最先进的制程，依托SDC架构创新，理论上完全可以做出性能数倍于当前最先进算力芯片的产品，实现更高水平的技术跨越。这意味着，SDC并非一种“将就”的过渡方案，而是一条具备长期演进空间的技术主干道。

围绕“如何用SDC搭建自主可控算力体系”，魏少军给出了四条具体路径。

第一，立足14nm等可获得的工艺，通过架构创新突破存储墙、功耗墙瓶颈，保障主流AI训练、智算中心、行业算力等场景稳定可用；第二，采用软硬件解耦设计，实现芯片功能动态配置，降低对单一指令集、专用工具链的依赖，提升供应链安全韧性；第三，推进近存计算3D架构工程化，结合先进封装技术提升集成度，在非先进制程条件下实现高带宽、低时延的AI算力输出；第四，以SDC理念牵引全链条协同，推动架构、工具链、算子库、应用场景一体化适配，形成可复制、可规模化的自主算力产业方案。

这四条路径并非纸面方案。魏少军表示，产业中已经有一些关于SDC技术路线的落地实践，这些实践表明SDC并非停留在实验室的技术概念，而是可落地、可迭代、可规模化的真实产业方向，为SDC从架构理念走向工程化、产品化提供了宝贵实践经验，也为行业探索生态建设路径、加快技术成熟提供了重要参考。

从应用侧看，SDC理念遵循“先明确应用场景、再定义软件接口、最后设计芯片架构”的技术逻辑。魏少军认为，最能发挥SDC优势的场景具有两类技术特征：一是针对能效比、带宽、时延要求高，传统固定架构GPGPU难以兼顾，SDC的近存计算3D架构可显著缓解存储墙问题；二是场景边界清晰、需求稳定，便于精准定义软件接口，避免架构设计过度冗余，实现从应用需求到芯片架构的直接映射。

医疗、金融、工业是他点名的三大率先落地场景。“在医疗领域，基因测序、医学影像处理具有高数据吞吐量、高计算精度、强安全合规的刚性特征，会直接推动SDC在精度配置模式、数据安全架构、专用算子库等方向做深度优化；在金融领域，高频交易、风险计算要求极低时延、高稳定性、强确定性，倒逼SDC完善实时调度机制、可靠性架构与故障隔离策略；在工业领域，边缘节点需要多协议兼容、低功耗、强实时性，推动SDC优化动态重构速度、硬件资源裁剪机制与边缘部署适配能力。”

魏少军认为，这种来自行业一线的刚性技术需求，会持续反哺SDC的接口规范、架构设计、工具链优化，形成清晰的正向循环：行业提出明确的性能与功能指标，SDC据此定义专属软件接口，芯片架构针对性优化，产品在场景中验证，问题与新需求再次反馈至架构与接口层。“在这一循环中，SDC将会是一个不断贴合产业实际、持续进化的工程化体系，最终成长为支撑自主算力的主流技术路线。”

对于AI芯片行业的整体走向，魏少军的判断同样直接，并对外界“SDC生态成熟需要20年以上”的说法做了明确纠正。“AI芯片技术迭代快、应用场景集中，未来两到三年确实会迎来一轮优胜劣汰的行业洗牌，大量技术路线不清晰、生态不完善或者简单复制、跟随他人技术路线的产品将被市场淘汰。”在他看来，SDC作为颠覆性的技术体系，虽然其架构成熟、生态完善需要一定的时间，但并不需要二十年，“事实上，随着SDC芯片进入市场，其迭代速度会加快，有望在比较短的时间内就可以成熟”。

任何一项颠覆性技术理念走向产业化，都离不开多方主体的协同发力。SDC亦不例外。在采访中，魏少军围绕高校、科研机构、企业、政府、资本以及区域协同等不同维度，给出了一套系统化的协同建议。

在产学研协同方面，他主张构建目标一致、分工清晰、高效联动的协同机制。高校与科研机构重点聚焦SDC底层架构、可重构计算理论、近存计算3D架构、编译优化等基础与前沿方向开展研究，解决企业难以长期投入的源头创新与理论突破问题；企业则承担场景定义、工程实现、产品化验证与生态运营的主体责任，把实验室成果转化为可量产、可商用、可规模化部署的系统方案，形成技术与市场的闭环。

“在此基础上，企业和高校科研院所应加强合作，例如通过共建联合实验室、共性技术平台与成果转化中心等方式，围绕架构迭代、工具链完善、模型适配、场景验证等关键任务协同攻关。”魏少军特别强调，要将人才培养深度嵌入创新链条，通过课程共建、实训实践、联合培养等方式，让青年学生系统接触SDC架构、掌握相关开发工具，为SDC技术持续演进与产业生态壮大提供稳定的人才支撑，真正实现技术突破、成果转化与人才培养三位一体协同推进。

在政府、企业、资本三方角色定位上，魏少军强调，要保持战略定力，避免短期功利主义影响长期布局。政府层面要设计扶持政策、搭建公共适配平台、开展示范应用项目，牵引产业向SDC转移；企业要保持长期投入，聚焦编译器、算子库、迁移工具等薄弱环节持续打磨，以工程化能力补齐生态短板；资本应树立耐心资本理念，支持底层工具与生态建设，避免短期功利化导向。“新路线的推广是长期过程，只有多方协同、长期坚持，才能逐渐完善，最终成为我国自主算力体系的可靠支撑。”

如何让大模型企业、行业用户愿意尝试基于SDC理念的技术方案？魏少军坦言，开发者依赖CUDA成熟生态、企业顾虑迁移成本与运行稳定性，是企业面对新架构的本能反应。“要破解这一问题要靠低成本迁移、可预期收益、可靠供应链等多种方法，让用户愿意用、放心用、持续用；通过上层接口对齐、自动迁移工具、精度与性能保障，把代码改写、模型适配、系统重构的成本降到最低，让用户在不改变原有开发习惯的前提下，就能体验SDC架构带来的能效提升与供应链安全优势。”

在SDC行业标准制定上，魏少军提出三条务实原则：首先，优先统一接口规范与标准，明确编程接口、算子格式、通信协议，确保不同厂商产品能够互通、模型能够平滑迁移；其次，建立行业统一的性能认证体系，让用户有明确的选型依据，提升产业规范化水平；最后，标准要由产业界共同制定、在应用中完善，充分吸纳芯片企业、大模型厂商、行业用户的意见，不做脱离实际的纸面标准，确保标准可落地、可执行、可推广。

谈及“十五五”期间的产业图景，魏少军给出了一个具体的时间表。结合当前产业进展，特别是上海东方算芯科技有限公司的DF1000芯片已实现规模量产、第二代与第三代芯片稳步推进的现实基础，他对SDC芯片的产业化进程表达了非常乐观的态度：“依托现有产品落地与迭代节奏，未来3年内，SDC架构芯片会进入大规模产业化阶段，在智算中心、大模型、互联网等场景形成规模化替代能力；到‘十五五’末期，SDC将成为我国自主算力体系的主流技术路线之一。”

采访的最后，魏少军特别向刚进入芯片领域的年轻人和创业者送上一段寄语。在他看来，SDC是一条前景光明、充满机遇的赛道，但需要深厚的技术功底，特别是高超的架构设计能力。“初创团队资源有限、抗风险能力弱，最优先的方向不是直接冲击底层架构，而是聚焦场景落地与生态共建。创业者一是要把SDC架构吃透，二是要把应用做透、把生态补齐，既容易形成商业闭环，也能在实践中真正理解芯片架构、软件定义、算力调度的底层逻辑，为长期发展打下扎实基础。”

“芯片产业没有捷径，SDC赛道更是如此。”魏少军在采访结束时如是说，“年轻人要沉下心练硬功，创业者要尊重产业规律，先能活下来、再能跑得快、最后才能走得远。把应用做扎实、把生态做完善、把技术做深入，在自己擅长的环节做到极致，就是最核心的竞争力，也能为我国自主算力生态贡献实实在在的力量。”

—End—

注：转载、添加白名单以及商务合作请在公众号后台留言，未经许可、不得转载，不得随意修改及盗用原文。