CUDA 走过 20 年:看这一平台如何改变科学计算

二十多年来,CUDA 这一将 GPU 转化为现代科学引擎的平台,不仅推动了荣获诺贝尔奖的顶尖研究,更在诸多领域创造了非凡成就。
作者

本周在 SC26 大会上,NVIDIA 正通过致敬那些将 GPU 计算打造为现代科学与 AI 基石的研究人员、开发者和工程师,来庆祝 CUDA 问世二十周年。

CUDA 20 周年之际,我们得以跨越不同的计算时代进行回望:从编写出首批 CUDA 程序的先驱,到如今在他们的工作基础上构建 AI 的开发者们,无不令人赞叹。

这一平台的核心正是这个开发者社区,正是他们的实验、工具与不懈坚持,不断拓展着加速计算的能力边界。

从 SC06 到 SC26

NVIDIA 于 2006 年 11 月宣布推出 CUDA,并在 SC06 大会上将其带入科学界,为科学家和开发者提供了一种熟悉的高级编程模型来使用 GPU。这从根本上将加速计算的应用从图形渲染领域,拓展到了加速科学、模拟等要求严苛的应用场景中。

在过去的二十年里,开发者们利用 CUDA 推动了荣获诺贝尔奖的 AI 研究,加速了超级计算机上的科学应用,并为斩荣获奥斯卡奖的影片提供了视觉特效支持。

时至今日,全球已有超过 1100 万开发者在计算栈的各个层级上基于 CUDA 进行开发。

致敬进步的缔造者

如今,在 SC26 大会上,NVIDIA 回顾了多位引领科学与 AI 突破的 CUDA 杰出人物:

在伊利诺伊大学厄巴纳-香槟分校,生物物理学家 Klaus Schulten 的团队通过并行分子动力学 (NAMD) 和可视化分子动力学 (VMD)等分子模拟与可视化工具,将 GPU 计算与分子生物学紧密相连。2013 年,来自伊利诺伊大学、匹兹堡大学和范德比尔特大学的研究人员,利用 CUDA 加速工具帮助解析了 HIV 病毒衣壳的原子结构。他们将实验与当时全球最强大的超级计算机之一 Blue Waters 上的模拟结合在了一起,攻克了这一科学难题。

在 AI 领域的一项关键突破中,多伦多大学的研究人员 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 仅使用两块 NVIDIA GPU,便利用 CUDA 训练出了 AlexNet。他们的图像识别系统赢得了 2012 年 ImageNet 竞赛,有力证明了 GPU 计算在深度学习领域的巨大潜力。

这种计算与科学发现之间的紧密联系,在预测蛋白质结构的 AlphaFold 中也得到了充分体现。Demis Hassabis 和 John Jumper 因在蛋白质结构预测方面的贡献共同获得了 2024 年诺贝尔化学奖。他们团队公开发布的 AlphaFold 2 软件正是利用 CUDA 来实现 GPU 加速运行的。

这仅仅是众多案例中的几个,它们生动地展现了一代人的开创性工作是如何为下一代创造机遇的。如今,凭借 1000 多个 NVIDIA CUDA-X 库,开发者们正在重塑各行各业,赋予机器“看、学、推理”的能力 —— 从发现新药、设计下一代工厂,到推动辅助驾驶、建立金融市场模型,乃至解锁量子计算,还有更多可能正在被发掘。

即刻使用 CUDA 工具包开启开发之旅,并前往 SC26 NVIDIA 展台,参观“CUDA 二十周年庆典纪念墙”。