O CEO da NVIDIA, Jensen Huang, disse a repórteres no The Register que a empresa está aberta à idéia de criar chips de terceiros que suportem a arquitetura CUDA. Em outras palavras, o suporte para software desenvolvido para rodar em chips NVIDIA CUDA pode não ser mais exclusivo para GPUs NVIDIA.
Fonte da imagem: nvidia.com
A empresa não tem planos de lançar o código-fonte do ambiente de desenvolvimento CUDA, embora se terceiros desejarem criar ou otimizar seus chips para software baseado em CUDA, a empresa não será necessariamente contra tal iniciativa. “No coração do CUDA está o hardware NVIDIA. Não há nada para descobrir aqui. Se alguém quiser criar um aplicativo para CUDA ou construir outro chip para CUDA, não seremos categoricamente contra isso, mas ninguém nunca perguntou ”, disse o Sr. Huang. Para criar com sucesso um acelerador compatível, a NVIDIA precisará participar, mas isso só acontecerá quando fizer sentido comercial em todos os aspectos. Na verdade, CUDA continuará sendo uma tecnologia fechada, mas a NVIDIA está pronta para fabricar chips com núcleos CUDA junto com empresas terceirizadas, mediante pedido.
Jim McGregor, analista-chefe da Tirias Research, acredita que a proposta será relevante para grandes empresas. Provedores de nuvem líderes, como Amazon e Google, criam suas próprias soluções para cargas de trabalho específicas, e a NVIDIA pode perder se se recusar a cooperar nessa área, e a relevância de CUDA acabará diminuindo. Por exemplo, o Google já tem uma família de TPUs proprietárias para acelerar o software de aprendizado de máquina.
A NVIDIA está se posicionando como desenvolvedora de software CUDA, que por sua vez é um veículo para a venda de um grande número de GPUs com núcleos CUDA. A empresa também se refere a si mesma como fornecedora de software e hardware para o metaverso, e a tecnologia CUDA está no centro de sua plataforma Omniverse. A NVIDIA tem mais de 150 SDKs para a construção de ferramentas de software baseadas em CUDA: plataformas para otimização da cadeia de suprimentos, simulação de computação quântica e aplicativos de piloto automático.
Enquanto isso, os concorrentes decidiram oferecer soluções semelhantes. As placas de vídeo NVIDIA são compatíveis com a estrutura de programação paralela OpenCL, que é suportada pela AMD e Intel. Ao mesmo tempo, a AMD tem um análogo chamado ROCm, enquanto a Intel tem um API. Em julho, a OpenAI anunciou a plataforma Triton AI, um ambiente de programação semelhante ao Python no qual você pode escrever código que roda de forma eficiente em gráficos NVIDIA. E um projeto chamado Vortex visa fornecer processamento de aplicativos CUDA em dispositivos baseados em RISC-V.