您的位置:首页 > 体育频道 > 体育快讯>正文

破壁 CUDA:一个中国团队对算力霸权的技术远征

来源:中国体育网    时间:2026-11-18 12:24:32    浏览次数:     字号:TT

  2026 年 11 月,北京——当全球超过四百万开发者在 CUDA 的跑道上奔跑了二十年之后,北京大学可信大模型实验室,一支工程师组成的团队选择了一条少有人走的路:不造芯片,专做"破壁"的软件层。经过数年的持续攻坚,团队完成了一件看似不可能的事——把 12 个学科、36 个有社区和论文背书的真实开源项目,逐一移植到"任何算力都能跑"的统一契约之下。在没有一块 NVIDIA 显卡的测试机上,全部 36 个项目通过了冒烟验收,12 个学科无一失败。

 

物理AI.png

 

一、墙有多高:一座七层的建筑

CUDA 不是一套 API,而是一座七层的建筑。从编译器(nvcc 到 PTX 再到 SASS)、运行时(Stream、统一内存、CUDA Graph)、算子库(cuBLAS、cuDNN、cuSPARSE、NCCL),到互联通信(NVLink)、调试工具(Nsight)、人才与教材,再到最终用户许可协议里的"禁止翻译层"条款——每一层都是二十年累积的复利。它的开发者规模已达 400 万至 600 万,生态里有 400 多个加速库、600 多个 AI 模型、3,700 多个 GPU 加速应用。2025 年,英伟达在服务器 GPU 市场的份额仍约 97%。

更隐蔽的是惯性。一个 AI 方向的博士生从入学第一天起就在 CUDA 里写代码;顶会论文的默认实现、招聘启事的关键词、面试官的考题,全部指向同一个栈。"你以为你在选工具,其实工具在选你。"团队这样描述这座墙的可怕之处。

有人问:Java 不是早就实现了"一次编写,到处运行"吗?为什么同样的思路救不了解法?答案冷酷而清晰:JVM 之所以成立,是因为它下面的 CPU 足够笨——标量、顺序、行为确定,可以被一个"软件 CPU"精确模拟。而 GPU 的 SIMT 执行、warp 分支、共享内存与寄存器压力,恰恰是无法被虚拟机隐藏的细节,因为它们就是性能本身。十六年里,Aparapi、Project Sumatra、TornadoVM、Project Babylon 前赴后继,每一次都在证明同一件事:跨硬件的关键不是虚拟机,而是一个可编译的统一中间表示。

二、裂缝在哪:2026 年的三重翻转

窗口正在打开,而且是历史性的。第一重翻转到来了——推理占算力消耗的比重,从 2023 年的约三分之一升至 2026 年的约三分之二。训练崇拜让位于推理现实主义,决策锚点从"最快"变成"每 Token 最便宜"。这是 CUDA 壁垒上最薄的一处墙皮。

第二重翻转发生在供给侧:2026 年,国产 AI 加速卡全年出货预计达 215 万至 300 万张,华为昇腾一家就超过 130 万张;英伟达在中国高端 AI 芯片市场的份额,从 2022 年的约 95% 跌至个位数。硬件替代已经发生,但跑在国产卡上的代码,绝大多数仍是被迫重写的 CUDA 代码——卡卖出去了,软件标准还没确立。

第三重翻转来自技术本身:开源权重成为主流供给,Transformer 及其变体高度收敛,量化与蒸馏让"用更少算力跑同样模型"成为常态。当算法不再剧烈变化,"极致优化"的溢价就被压掉,竞争回到了工程效率与生态广度——这两项是可以被追赶的。

值得写在这里的是规模的分量:2026 年 6 月,中国智能算力规模已达 2,185 EFLOPS,到 9 月升至 2,592 EFLOPS;中国 AI 算力市场 2026 年预计 515 亿美元,2030 年将达 1,501 亿美元。世界第二大算力市场正在形成,而它的软件栈还没有主人。

三、破壁的姿势:36 次真实实验

团队的答案不浪漫,但极硬:把 12 个学科的主流开源项目——从 AlphaFold2、FourCastNet 到 PyCBC、Chemprop、Qwen2.5——各取三个,逐一移植为遵循同一套运行契约的工程:一行 --device auto 命令,自动探测 CUDA、ROCm、国产加速卡或纯 CPU 并降级;每个项目必须输出机器可判定的验收块,数值对得上才算"跑通"。

这 36 次实验给出了一个出乎意料的分布:框架原生可移植 13 个、ONNX 多后端 4 个、Triton 类 DSL 重写 6 个、图编译 7 个、纯张量复刻 6 个——没有任何一条路线能覆盖一半以上的场景。"想靠一条银弹路线破壁的项目,都会在半路上撞墙。"团队由此得出自己的方法论:五条路线必须同时存在,由模型特征而不是偏好来分派。

真实数字替他们说话:JAX-MD 移植版对能量求导,解析值 −96.0079,数值微分 −96.0007;PyCBC 的匹配滤波管线,噪声底 3.62(理论值约 3.5),注入信噪比 8 检测到 8.01、注入 12 检测到 11.82;DeePMD 风格势能模型的解析力与数值差分一致性误差 4.1×10⁻⁴;Qwen2.5-0.5B 在一台纯 CPU 的 Windows 工作站上跑到 13.73 token/s。这些数字的价值不在快,而在于证明移植后的代码算的仍是同一件事。

"跑通"在团队内部有严格的定义,被拆成四道关:代码可跑、数值可验、性能可测、文档可查。第四道关最廉价也最容易被跳过,却是"项目"与"玩具"的分界线——玩具只要作者记得怎么跑,项目要别人也能跑。每个项目交付时都附带一份可机器判定的验收报告,写着它在什么硬件上、用什么配置、得到了什么数字,以及哪些组合被明确标注为"未验证"。"凡是没亲手跑过的组合,我们一律写'未验证',而不是'支持',"团队强调,"在异构算力这个领域,最常见的谎言就是把'理论上可以'写成'已经跑通'。"

四、开源与共谋:让社区投票

团队把这件事的门道总结为一条纪律:算子库不可能自上而下设计,只能由社区共创。36 个项目做完,一份清单自然浮现——稀疏图消息传递被重写了 5 次,注意力变体 5 次,频域变换 4 次,邻域力场 4 次。被反复重写两次以上的算子,就是统一算子库的第一批候选:需求是被工作量投票出来的,不是被产品经理规划出来的。

路线也因此清晰:第一阶段就地沉淀,每个学科目录下的实现保持接口一致;第二阶段抽库,把重写三次以上的算子收进 amac-ops,每个算子带三件套——纯 PyTorch 参考实现、Triton 高性能实现、数值对拍测试;第三阶段上游化,把验证最充分的算子回馈给整个生态,让"我们维护的补丁"变成"人人都有的标准"。

五、雄心与时间表

团队给自己立了三条军规:做栈不做卡——不与任何芯片厂商竞争,中立是唯一的护城河;做度量不做口号——只承诺可验证的东西,把"支持国产算力"这种无法证伪的话,换成"在这张卡上,这 12 个模型通过了 L2 验收"这种可以写进合同的话;做行业不做通用——通用层跟随开源上游,自研投入集中在 CAE 求解器、遥感管线、医疗合规部署这些"最后一公里"。

36 个月的路线图已经排定:第一年把"能跑"变成"可交付",拿出 20 个以上算子的 amac-ops 与三个行业标杆;第二年把"可交付"变成"可复制",产品收入占比提升到三成以上;第三年把"可复制"变成"事实标准",让至少十组算子进入主流生态,让三家以上芯片厂商默认集成。

"这件事太难了,"团队负责人袁重桥说,"难在你要同时对抗一个二十年的商业帝国、一个每年迭代的硬件节奏,和一代习惯了 CUDA 的开发者。但它也太值得做了——因为如果没人做,中国 AI 产业的算力成本会长期锁定在一个溢价上,而这个溢价最终由每一个使用 AI 的人承担。"

六、不止于商业:中国创业者的时代叙事

被问到"为什么是你",团队的回答不回避野心:"这件事要么是一代人的机会,要么是一代人的债务。"他们给出的理由带着这一代中国创业者特有的逻辑:中国有全球最完整的制造业场景、最大的 AI 应用市场、最急迫的自主可控诉求,以及一个还没有被任何人占住的中间层——在芯片与应用之间,隔着一层谁都不愿意做、但谁都需要做的脏活累活。这层脏活,恰恰是最好的壁垒。

这种雄心不是喊出来的。过去数年里,团队把时间花在别人看不见的地方:为一个算子的归约顺序对拍到深夜,为一条注释的确切表述争论一小时,为一个下游用户的离线部署包做三份镜像。他们相信一种朴素的算术:当足够多的工程师在同一条路上踩过足够多的坑,这条路就会从"小径"变成"大道",而踩坑的记录本身,就是别人无法复制的资产。"我们不做第二个谁,"袁重桥说,"我们做第一个让模型自由奔跑的底座。"

结语

破壁不是推倒某一家公司,而是让"科学计算与 AI 可以自由选择硬件"重新成为常识。36 个项目只是开始——第 37 个、第 38 个,会在别人的机器上跑起来。那才是这件事真正完成的标志。

关于团队

袁重桥及其团队和北京大学可信大模型实验室长期专注于底层异构计算与物理 AI 方向,以自建 GitLab(data.gitgg.com)为主要协作平台,持续维护"任意模型 × 任意算力"开源工程(any-model-any-compute),并系统梳理具身智能、AI4Science 等领域的开源项目中文教程。团队欢迎按统一契约提交新的学科与项目,通过四道关验收即成为共同作者。

团队正在寻找三类同行者:愿意把自己的算子经验写成对拍测试的开发者,愿意开放真实工作负载的行业用户,以及愿意把"兼容性"当作长期承诺的硬件伙伴。仓库地址:data.gitgg.com/yuanzhongqiao/any-model-any-compute。

 

请选择您浏览此新闻时的心情

相关新闻
    无相关信息