GPU的核心竞争力在于架构等因素决定的性能先进性和计算生态壁垒。众所周知，英伟达凭借先发优势，以及大幅降低开发门槛的CUDA架构，稳稳圈住了大批用户，不仅使GPU在通用计算中逐渐成为主角，也成就了自身的护城河。

“在工具链层面兼容CUDA的GPU厂商会受到影响，但影响本身在技术层面还是比较复杂的。英伟达其实发出了一个非常强烈的信号，就是他正在扎紧自己生态的篱笆。”某GPU业内人士对第一财经表示。

“独立自主和开放兼容并不矛盾”

中信证券表示，由于CUDA的闭源特性，以及快速的更新，后来者很难通过指令翻译等方式完美兼容，即使部分兼容也会有较大的性能损失，导致在性价比上持续落后英伟达。同时，CUDA是英伟达的专属软件栈，包含了许多英伟达GPU硬件的专有特性，这部分在其他厂商的芯片上并不能得到体现。

这正是国内厂商面临的困境。当前国内GPU厂商纷纷大力投入研发迭代架构，谋求构建自主软硬件生态。华安嘉业投资管理有限公司相关负责人此前也对第一财经表示，国产GPU在起步阶段兼容现有生态更容易发展，但长期还是要摆脱兼容思路，发展自有核心技术。

“我们经常讲兼容，但兼容不代表要和英伟达做得完全一样，而是说你做的东西可以去承载所有技术的生态，可以把英伟达的生态吸收过来、直接利用。但要做功能全面对标英伟达的GPU芯片难度很大，目前大多数厂商采取的策略是仅实现英伟达GPU人工智能加速的部分功能。”摩尔线程CTO张钰勃告诉第一财经，“但摩尔线程能够实现英伟达系统架构里的四大主要功能，包括通用计算、人工智能加速、图形渲染和视频编解码。”

摩尔线程成立于2020年，是一家以全功能GPU芯片设计为主的集成电路企业。据悉，摩尔线程推出了全面对标CUDA的MUSA架构，用户能够将CUDA写的应用程序通过摩尔线程的编译器重新编译成MUSA的应用，从而实现接近零成本迁移，同时也能够通过标准编程语言开发新的应用。“所以说MUSA本身是一套独立自主的生态，同时也是个开放的、可以吸收现有生态的全新生态。”张钰勃称。

“独立自主和开放兼容并不矛盾。我们一方面可以独立自主发展实现可控，一方面也可以开放兼容现有CUDA优势。”张钰勃告诉第一财经，“只有硬件功能完全对标，才能够有效地把CUDA生态的应用吸收过来。如果没有办法吸收现有生态，另建一个新生态，真要建成也是十几二十年的事。”

“寻找志同道合的客户”

事实上，客户迁移成本是推动国内GPU厂商加速生态建设的重要因素之一。目前，国内也存在一些坚持“难而正确”理念的厂商，选择了自建生态、不兼容的道路，燧原科技就是其一。

燧原科技专注于人工智能领域云端和边缘算力产品，致力于为通用人工智能打造算力底座，提供原始创新、具备自主知识产权的AI加速卡、系统集群和软硬件解决方案。

对于燧原这类算力厂商来说，客户迁移成本始终存在，因此需要寻找志同道合的客户。“燧原希望与产业合作伙伴一起构建一个开放开源的生态系统，我们的客户也愿意跟那些有长期主义的合作伙伴一起去打磨产品。”燧原科技首席生态官李星宇告诉第一财经。

随着技术的发展，国内厂商的自建生态之路有望越走越宽。

“技术生态的范式转移，给像燧原这样的初创公司自建生态带来一个新的契机。”李星宇认为，随着大模型时代的到来，模型的架构底座趋向于一致，即Transformer，这收敛了对于硬件的需求，让硬件设计的方向更加聚焦和明确，减轻了碎片化程度；与此同时，越来越流行的开源框架和编程语言，让芯片公司有更好的基础去适配不同模型，让开发者更容易在开发工具层面去适配不同的硬件。

“客户的迁移成本取决于很多因素，但整体的趋势是越来越便捷。”李星宇表示，“比如说我们兼容PyTorch的主流算子，采用这些主流算子的模型理论上可以直接迁移而不需要改源代码。同时未来我们也会支持更多主流的开源编程语言，让客户开发新的模型时，也会变得更加容易。”

目前，国内有多家人工智能芯片厂商选择自建生态，但并未形成统一生态，各家正处于跑马圈地、各自发展的时期。诚然，在技术发展的早期和技术快速迭代的时期，很难制定一套统一的标准。正如海外GPU发展的早期，行业存在四十多家企业，但大浪淘沙后，仅留存几家企业做大做强。在快速变化的技术趋势面前，每个人都有自己不同的理解，让市场去选择，让客户去选择，可能是一个更好的方式。

“技术的提升最终是靠市场和客户的需求牵引，中国真正的优势在于拥有全球最大的市场，以及众多开发者愿意去拥抱新技术。”李星宇表示。

英伟达此次禁止在其他GPU上通过转译层运行CUDA软件，或许将给部分仅依靠兼容路径的厂商敲响警钟。在上述GPU业内人士看来，英伟达此次“象征性限制措施”还是比较克制的，并没有对应用程序接口采取限制，“可是对于一个创业者来讲，他要思考的不是简单的现状，而更应该是趋势。这意味着不能止于第一步的限制是什么，还得去思考第二、第三步的限制是什么。”