IT之家 Noticia del 11 de noviembre: la ventaja del ecosistema CUDA de Nvidia podría estar enfrentando un desafío cada vez mayor. Una diapositiva de los materiales de la gira de presentaciones para la IPO de Anthropic muestra que, a medida que los modelos de IA de alto rendimiento adquieren gradualmente la capacidad de adaptarse por sí mismos a distintas plataformas de cómputo, las GPU se están volviendo cada vez más como recursos de cómputo genéricos que pueden intercambiarse entre sí.
IT之家 señala que los materiales de la gira de IPO de Anthropic revelaron una información que ha llamado bastante la atención: su modelo Claude Mythos Preview tardó solo unos 3 días en descubrir cómo hacer que otro modelo funcione en una GPU AMD MI355X. En comparación, tradicionalmente, el trabajo de adaptación necesario para ejecutar tareas de inferencia en una nueva plataforma de cómputo suele requerir de 6 a 12 meses.
Esto significa que Anthropic ahora puede tratar las GPU de distintos fabricantes como recursos de cómputo relativamente genéricos, y la barrera técnica para cambiar entre plataformas se ha reducido considerablemente. Precisamente por ello, algunas opiniones comienzan a sostener que el foso del ecosistema CUDA, del que Nvidia ha estado orgullosa durante mucho tiempo, podría en realidad haber perdido su significado original.
Sin embargo, declarar ahora el fin de la ventaja del ecosistema CUDA de Nvidia probablemente sea demasiado apresurado. CUDA no es solo un conjunto de herramientas de software; detrás están un ecosistema de desarrolladores de enorme escala, abundantes bibliotecas de funciones y herramientas de desarrollo, así como una acumulación técnica optimizada de manera continua durante años. En la actualidad, todavía hay una gran cantidad de desarrolladores que construyen y mantienen todo tipo de aplicaciones en torno a CUDA.
En los últimos años, Nvidia también ha adoptado diversas medidas para consolidar la ventaja competitiva de CUDA. Por ejemplo, la empresa proporciona GPU y recursos de capacitación de forma gratuita a universidades e investigadores, atrayendo a más desarrolladores al ecosistema CUDA.
Además, Nvidia ha integrado profundamente la biblioteca de herramientas de comunicación para conectar múltiples GPU, NVIDIA Collective Communications Library (NCCL), con tecnologías de hardware propietarias como NVLink e InfiniBand, aumentando aún más la eficiencia del cómputo cooperativo de múltiples GPU y elevando también el costo para que los usuarios migren a otras plataformas.