是什么
CUDA(Compute Unified Device Architecture)是英伟达于 2007 年推出的并行计算平台与编程模型。它提供一套接口和工具，让开发者能用熟悉的编程语言把通用计算任务交给 GPU 执行，而不必局限于图形渲染。围绕 CUDA 还形成了 cuDNN 等大量加速库，覆盖深度学习、科学计算等领域。
为什么重要
CUDA 把 GPU 从图形专用芯片变成了通用并行计算引擎，为后来的深度学习浪潮奠定了软件基础。经过多年积累，主流 AI 框架与海量代码、人才都深度绑定在 CUDA 之上，迁移成本极高。这种软件生态层面的锁定，被普遍视为英伟达最坚固的护城河，其价值甚至不亚于硬件本身。
2026 年的最新进展
截至 2026 年 9 月，CUDA Toolkit 的最新版本为 13.4：新增对 Windows on Arm 生态的支持，并提供面向 Rubin 架构的开发者支持；此前的 13.3 版本则扩展了 Nsight 对 CUDA Python 与 Tile IR 的支持。更大的动作发生在生态分发层：2026 年 9 月 3 日，英伟达宣布将以 129.303 亿美元收购模型托管平台 Hugging Face。按公告披露，该平台聚集了约 1,800 万名开发者、研究者与创作者，托管超过 300 万个模型、50 万个数据集和 100 万个应用，另有逾 20 万家企业客户在其上发现、评估与部署 AI。英伟达在同一份公告中承诺保持平台开放，明确写明「在 Hugging Face 上构建或部署并不要求使用英伟达算力」。对 CUDA 而言，这笔交易的含义是护城河从编译器与加速库，继续向模型分发这一层延伸。
在 AI 产业链中的位置
CUDA 处在 AI 产业链中芯片层与模型层之间的衔接位置。它是把英伟达硬件算力暴露给上层开发者的软件桥梁：正因为有 CUDA，模型层的研究者才能方便地驱动芯片层的 GPU。这层软件黏合，让芯片层的优势能够顺畅传导到模型与应用层。