芯片大神jim keller痛斥nvidia cuda：不是护城河 是池沼！

对于 x86、Arm、MISC 和 RISC-V 等处理器架构都有深入研究的传奇处理器架构师Jim Keller批评了被外界认为是英伟达（NVIDIA） 护城河 的 CUDA架构和软件堆栈，并将其比作x86，称之为 沼泽 。

他指出，就连英伟达本身也有多个专用软件包，出于性能原因，这些软件包依赖于开源框架。 

CUDA 是沼泽，而不是护城河， 凯勒在 X 帖子中写道。 x86 也是一片沼泽。[ ] CUDA 并不漂亮。它是通过一次堆积一件东西来构建的。  

确实，就像x86一样，CUDA在保持软件和硬件向后兼容性的同时逐渐增加了功能。

这使得英伟达的平台完整且向后兼容，但它影响了性能并使程序开发变得更加困难。

同时，很多开源软件开发框架可以比CUDA更高效地使用。 

基本上没有人编写 CUDA， Jim Keller在后续帖子中写道。 如果你确实编写 CUDA，它可能不会很快。[...] Triton、Tensor RT、Neon 和 Mojo 的存在是有充分理由的。  

甚至NVIDIA本身也有不完全依赖 CUDA 的工具。

例如，Triton Inference Server 是 NVIDIA 的一款开源工具，可简化 AI 模型的大规模部署，支持 TensorFlow、PyTorch 和 ONNX 等框架。

Triton 还提供模型版本控制、多模型服务和并发模型执行等功能，以优化 GPU 和 CPU 资源的利用(Use)率。 

NVIDIA的TensorRT是一种高性能深度学习推理优化器和运行时库，可加速NVIDIA GPU上的深度学习推理。

TensorRT 从各种框架（例如 TensorFlow 和 PyTorch）中获取经过训练的模型，并对其进行(Carry Out)优化以进行(Carry Out)部署，从而减少延迟并提高图像分类、对象检测和自然(Nature)语言处理等实时应用程序的吞吐量。 

但是，尽管像Arm、CUDA 和x86这样的架构可能会被认为是 沼泽 ，因为它们(They)的演进速度相对较慢、必须向后兼容并且体积庞大，但这些平台也不像GPGPU这样分散，这可能根本不是一件坏事。 

目前(Currently)尚不清楚 Jim Keller 对 AMD 的ROCm和英特尔的OneAPI有何看法，但很明显，尽管他花了很多年时间设计 x86 架构，但他并不迷恋其将来前景。

他的言论还暗示，尽管他曾在世界上一些最大的芯片制造商工作过一段时间，包括苹果、英特尔、AMD、博通（现在是Tenstorrent）等公司，但我们(We)可能不会在NVIDIA的名单上看到他的名字。