英伟达于 11 月 4 日发布 CUDA Toolkit 13.5，其中最受关注的变化是对 Vera Rubin GPU 架构的支持从早期开发者访问升级为正式可用（GA），意味着企业可以在生产环境中部署基于该架构的加速计算任务。同时，此前在 CUDA 13.4 已实现 GA 的 Windows on Arm 支持，本次进一步覆盖到 DGX Station for Windows，扩大了 Arm 架构 Windows 设备上的 CUDA 开发与运行范围。
在 GPU 资源调度层面，CUDA 13.5 对局部域（locality domain）做了增强。应用现在可以在两种流式多处理器（SM）分区策略间选择：一是各局部域使用统一的 SM 数量，保证可预测性；二是把域外补充 SM 也纳入分区，从而用满设备全部 SM，但各分区大小可能不一致。新增的 cudaDevSmResourceGroupLocalityDomainSupplementalSms 标志与 cudaDevSmResourceGroupLocalityDomainId 配合使用，可把补充 SM 纳入指定域；开发者还能通过 cudaDevSmResourceSplit() API 的发现模式获取每个分区的 SM 数量，据此分配工作负载。
NVIDIA Multi-Process Service（MPS）v3 则强化了多租户场景下的 GPU 共享控制。加权时间片允许为承载重负载的 MPS 服务器设置更长的基础时间片，并按服务器缩放，同时独立调节 GPU 在任务间切换的积极程度。SM 分区负载均衡让工作负载在资源空闲时借用超出基础分区的容量：通过 --max-chunks 开启借用，通过 --shareable=true 允许无客户端的分区出借 SM，两种设置相互独立，分区可只借、只出借或两者兼有；MPS 在重新分配前会回收借出的资源，应用看到的基础分区大小保持稳定。此外，MPS v3 还支持基于 cgroup 的路由（把 cgroup v2 子树映射到 MPS 命名空间，经主套接字连接的客户端自动路由到该命名空间）、按命名空间分配 SM 分区（一次选择即可应用于该命名空间下所有客户端，优先于环境变量回退），以及基于轮询的内存核算回退机制——当 cgroup 阈值通知缺失或不可靠时，MPS 可直接读取当前用量与限额，强制轮询可通过 nvidia-cuda-mps-control memacct set force_polling=true 在内存核算启动前开启。
CUDA Tile 在 13.5 中获得多 GPU 通信能力，支持 NVLink 与 NVSwitch fabric 上的单播和多播指针；同时以公开预览形式提供 SIMT 互操作，允许 Tile 内核调用来自 NVSHMEM、CCCL Coop、Warp、MathDx 等库的设备函数。CUDA Python 的 cuda.core 1.2 引入通过 copy_batch() 的批量内存拷贝、通过 LaunchConfig 实现的程序化依赖启动（Programmatic Dependent Launch），以及无需重新实例化即可更新 CUDA Graph 的更灵活方式。CCCL 3.5 则为 CUB 提供公开调优 API、可复现的浮点扫描、集成到 FlashInfer 的批量 Top-K 选择，以及通过 cuda::args::deferred 从设备内存读取元素计数的数据依赖归约。CUDA 13.5 还增加了 CUDA Graph 对批量一维内存拷贝的支持，应用可将现有的 cudaMemcpyBatchAsync 调用纳入流中。
从产业视角看，CUDA 13.5 的发布节奏与英伟达硬件路线图紧密咬合：Vera Rubin 从开发者预览走向 GA，意味着围绕下一代 GPU 的软件栈已进入可规模化部署阶段，云厂商与企业客户可以开始规划生产迁移。MPS v3 对多租户调度和资源借还的细化，回应了 AI 推理与训练混合负载下 GPU 利用率最大化的需求；CUDA Tile 的多 GPU 通信与 SIMT 互操作，则降低了跨库、跨节点编程的门槛。对关注 AI 基础设施的读者而言，这类工具链更新虽不直接涉及资本开支数字，却决定了新硬件从发布到实际产生算力供给的速度，也影响开发者生态的迁移成本与锁定效应。