過去一年多，矽谷掀起的生成式AI革命席卷全球，並愈演愈烈。而在這場革命有中兩條非常明顯的主線：一是基礎技術的進化，以GPT、Gemini為代表的大模型繼續向著AGI（通用人工智能）迭代；二是現象級應用的湧現，生成式AI在不同領域、不同場景下的應用狂潮在逐步改變人類的生活和工作方式，比如雷科技尤其關註的AI硬件領域，就出現AI手機、AIPC、AI電視、AI傢電、AI清潔等新應用。
在兩條主線下，還有一條關於算力的“暗線”。
對 AI 的發展來說，算力短缺已經不是一天兩天的問題，時至今日各大公司都還在繼續搶購 GPU，更確切地說，是英偉達的高端 GPU：
如果說《沙丘》是“得香料者得天下”，那 AI 行業就是“得英偉達 GPU 者得天下”。
圖/英偉達
這也讓整個行業對於英偉達 GPU 又愛又恨，一方面是基於 CUDA 平臺的英偉達高端 GPU 可以簡單、高效地進行人工智能訓練，另一方面是所有人都過於依賴英偉達這一傢公司。
CUDA是英偉達AI的基石
關於英偉達 GPU 成功原因的分析已經很多，其核心主要還是英偉達 GPU 本身的高性能（包括互連性能），加上 CUDA 平臺帶來的軟硬件協同效應。英偉達在硬件本身上的優勢並不難逾越，問題關鍵在於軟件，在於 CUDA 平臺。
在前段時間的GTC 2024開幕演講上，老黃也回顧英偉達的發展史。
2014年，黃仁勛首次強調機器學習的重要性，當時AlphaGo尚未戰勝李世石，深度學習並未引發世界級關註。不過當時英偉達已提出CUDA（通用計算平臺）的概念，在許多人還在把英偉達當作“遊戲顯卡”的制造商時，其走在 AI 變革前沿。
不過最初，CUDA的應用場景主要是科學計算，就是類似於氣候模擬、物理模擬、生物信息學等專業研究，應用場景很有價值，但卻狹窄。正因為此，英偉達的CUDA一直沒有打開市場，帶給英偉達的回報無法與對應的巨量研發投入匹配。黃仁勛每年都需要向董事會解釋，為什麼英偉達要堅持做CUDA？
其實當時老黃也不知道，英偉達的CUDA會在未來幾年，先後迎來區塊鏈“挖礦”、AI大模型計算等計算場景，真實潑天富貴。
（圖源：英偉達）
短短兩年時間，英偉達通過H100、H200 芯片，締造萬億AI帝國，市值已超越亞馬遜等傳統豪強，按照這樣的勢頭，在可見的未來，超越蘋果、微軟成為世界頭號巨頭也不是沒有可能。
現在，英偉達的“卡”供不應求，不隻是字節、百度等中國科技巨頭在搶著囤卡以應對極端情況，矽谷科技巨頭如微軟、Meta，也全都在找老黃買卡。
在被稱為AI應用元年的2024，英偉達的CUDA（通用計算平臺）正如其名，變得通用起來，從大語言模型、對話式AI、邊緣計算等底層技術，到智能座艙、自動駕駛、人形機器人等應用場景，再到AI手機、AI PC、AI傢電、AI搜索、AI繪畫等應用，以及未來的氣候預測、計算光刻與6G網絡，AI正無處不在，英偉達的計算也無處不在，成為“通用計算”。
當英偉達的卡以及CUDA平臺越來越重要時，其他科技巨頭看到“制霸”危機：
一方面，英偉達的卡價格不菲，且擁有絕對定價權，廠商們囤積GPU卡要給英偉達巨額資金，結果就是：做AI的不一定賺錢（當前幾乎都不賺錢），英偉達卻賺爆。
另一方面，科技巨頭被英偉達卡脖子。英偉達可以決定最頂尖的卡先給誰，給多少，給不給。此外，英偉達也依托GPU的計算資源向上層業務拓展，涉足雲等業務，與科技巨頭形成一定的競爭。
事實上從 2023 年開始，很多芯片廠商和大模型廠商都意識到這些問題，紛紛希望通過另建一套軟件平臺對抗英偉達的 CUDA。不能說所有嘗試都失敗，隻能說目前還沒有出現真正的挑戰者。
如今，一個新聯盟和開源平臺，可能會徹底改變英偉達 CUDA 一傢獨大的局面——如同當初Google振臂高呼組建的OHA聯盟以及開源的Android對抗蘋果一般。因緣際會的是，在這一輪打破CUDA霸權的戰爭中，Google依然扮演至關重要的角色，Android陣營的高通、ARM們也在發揮各自的關鍵作用。
日光之下，無新事。
巨頭組建聯盟反抗CUDA
“整個行業都希望能幹掉 CUDA，包括Google、OpenAI 等公司都在想方設法讓人工智能訓練更加開放。我們認為 CUDA 的護城河既淺又窄。”在去年年底的一場活動上，英特爾 CEO 帕特·基辛格（Pat Gelsinger）語出驚人地指出對於英偉達 CUDA 平臺的看法。
但即便基辛格認為 CUDA 的護城河“既窄又淺”，他也明白挑戰在人工智能訓練上挑戰英偉達，絕非易事。
根據路透社報道，Linux 基金會聯合英特爾、Google、高通、ARM 以及三星等公司成立統一加速基金會（UXL），以英特爾的 oneAPI 為起點，正在開發一套開源軟件套件，允許人工智能開發者在任何 AI 芯片上運行他們的代碼。
圖/ UXL
這裡需要簡單介紹下，oneAPI 是英特爾的統一編程模型和軟件開發框架，可以讓開發者無需對代碼進行重大修改，就能借助 oneAPI 實現跨硬件架構（包括英特爾的 CPU、GPU 和 FPGA）的程序開發。
簡單來說，UXL 就是在 oneAPI 的基礎上更進一步，要實現更廣泛的跨架構跨平臺支持，解除芯片硬件與軟件的強綁定關系。
而集合芯片廠商、大模型廠商以及晶圓代工廠的 UXL，無疑是想取代英偉達 CUDA 平臺，成為全球人工智能開發者的首選開發平臺。高通人工智能和機器學習主管 Vinesh Sukumar 就明確表示：
“我們實際上是在向開發者展示如何從英偉達平臺遷移出來。”
甚至，UXL 最終也將支持英偉達的硬件和代碼。
而除最初參與的創始成員，UXL 還吸引包括亞馬遜 AWS、微軟 Azure 以及多傢芯片廠商。同時根據規劃，UXL 預計在今年上半年確定技術規范，在年底前將技術細節完善成熟。
至於 UXL 能不能成功替代掉 CUDA，成為全球人工智能開發者的首選平臺，顯然還需要一系列的證明，畢竟超越 CUDA：
真的很難。
對抗 CUDA，到底難在哪裡？
首先我們需要明白，CUDA 既是一種編程語言，也是一種編譯器。
作為編程語言，CUDA 是開發者通過 CUDA 與底層硬件（GPU）溝通、調用算力的一種方式，新建一套新的編程語言並不難。作為編譯器，CUDA 無疑有很高的性能，這意味著開發者可以通過 CUDA 在 GPU 上更高效地執行程序，用更容易理解的話說：
CUDA 可以高效地利用 GPU 的峰值算力。
CUDA，圖/英偉達
考慮到今天人工智能訓練對於大算力、高性能的追求，也無怪乎開發者對於 CUDA 的偏愛。
但實際上英偉達在這兩個層面上絕非天下無敵，尤其是 OpenAI 開源的 Triton，不僅能在英偉達的 GPU 上實現接近 CUDA 的執行效率，還在合並 AMD ROCm（對標 CUDA）等平臺的代碼，兼容更多的 GPU。
CUDA 難以被撼動的關鍵在於，它還是一種生態。
去年臺北電腦展上，老黃透露有 400 萬開發者正在使用 CUDA 計算平臺。而且在過去十幾年間（CUDA 推出於 2007 年），CUDA 已經積累大量的高性能程序庫以及框架代碼。這也是為什麼盡管連 OpenAI 都吐槽用 CUDA 為 GPU 編程的難度，但更多開發者還是基於 CUDA，而不是 Triton 進行開發。
另一方面，英偉達的軟硬件協同設計也讓這種優勢更加牢不可破。
要知道，Triton 可以兼容英偉達的 GPU，其他 GPU 也可以兼容 CUDA，甚至在效率上後來居上也並非不可能。但軟件適配硬件需要時間，尤其是在 GPU 上需要更長的時間。
這意味著英偉達一旦發佈新的 GPU 和 CUDA 版本，不管是兼容 CUDA 還是兼容英偉達的 GPU，就需要重新追趕英偉達的腳步。
（老黃最新發佈的 Blackwell，圖/英偉達）
所以某種程度上，能打敗英偉達的隻有采用軟硬件協同設計的策略，同時擁有強大的芯片能力和軟件能力。
用“Android模式”，打破英偉達算力霸權
Google擁有自己的 TPU、XLA 計算平臺，還有自己的大模型和一系列算力“出口”。但Google這套並不外賣，所以包括 Authropic（Claude 母公司）、Midjourney 都是通過Google雲使用這一套算力解決方案，而沒有選擇購買英偉達的 GPU。
從這角度來看，UXL 雖然聚集從晶圓代工廠到芯片廠商，再到雲計算和大模型廠商，涵蓋 AI 芯片的主要上下遊，但真正的挑戰還在於不同成員之間的協同，這也是 UXL 能不能成功的關鍵。
如果沒有足夠的利益捆綁，每一個“聯盟”都難成氣候，聚集得多高調，渙散就有多迅猛。Android生態能成功的關鍵在於，系統平臺、半導體、硬件、開發者等等參與者能各取所需，一起將蛋糕做大。UXL 是否能形成同樣的正循環效應？當下，我們不知道答案。
年初，OpenAI Sam Altman 語不驚人死不休，曝出計劃籌集 7 萬億美元解決 AI 面對的算力問題。雖然這個數字驚掉所有人的下巴，但也再一次地說明，以 OpenAI 為代表的人工智能行業對於算力的極度渴求——在微軟支持下，OpenAI也在佈局自有芯片體系。
總而言之，英偉達不能滿足所有人，所有人也不滿足於隻有一傢英偉達。換句話說，不管 UXL 能不能成功，Google會不會改變策略，所有人都會繼續挑戰英偉達：
直到打破算力霸權。