海内AI芯片企业为了打入弘大的NVIDIACUDA生态系统,主动采取与CUDA指令集兼容的策略,引发了NVIDIA的强烈不满和警告。这一事宜再次将我国在AI核心技能自主可控方面的短板暴露无遗,反响出国产AI芯片发展之路的困难,也凸显了加快造就自主AI算力生态的紧迫性。
国产AI芯片公司选择兼容CUDA,出于生态考虑是情有可原的。CUDA是NVIDIA长期打造的针对GPU加速打算的开拓架构和编程模型,在深度学习、高性能打算等领域霸占主导地位。如果芯片产品能够兼容CUDA,就可以directly利用丰富的CUDA生态资源,无需从头开拓新的编程模型,降落了用户迁移本钱。对付AI芯片厂商而言,与生态兼容无疑是进入市场的捷径。但这种"捷径"存在法律风险,也可能延续生态依赖,从而陷入被动之境。
作为AI加速芯片的"老大哥",NVIDIA对国产AI芯片公司这一做法反应强烈。NVIDIA方面斩钉截铁地表示,未经授权利用其CUDA干系专利技能将被视为侵权,哀求这些公司必须取得NVIDIA的正式容许。这实在是NVIDIA在掩护自身的知识产权,并巩固其在AI芯片领域的主导地位。毕竟,CUDA不仅是编程模型,更是NVIDIA半导系统编制程、芯片架构和指令集等多项专利技能的集成,代表了NVIDIA长期的科研投入和创新积累。
很显然,NVIDIA是不愿意轻易授权海内芯片公司利用其核心专利技能的。即便授权,也将收取高额的专利用度,乃至索要芯片公司的股权。这样一来,海内AI芯片公司要么面临潜在的法律风险,要么被NVIDIA捆绑,自主发展受限。这正是海内芯片企业在生态兼容与自主知识产权保护之间所面临的两难困境。事实上,无论是绕开还是付费得到NVIDIA授权,都意味着持续依赖外部生态,很难建立真正自主可控的核心技能能力。
这一困境折射出我国在AI核心技能方面的短板。长期以来,我国在AI算力、算法、框架、生态等关键领域长期依赖国外技能,自主创新能力不敷。举例来说,在AI加速芯片领域,我国缺少领先的CPUGPU架构设计技能,短缺高性能定制指令集支撑;同时,AI框架和生态系统也存在着较大的空缺。这既是技能短板,也是家当生态培植的滞后。
因此,造就海内自主可控的AI算力生态,是实现核心技能自主可控的必由之路。我国应该加快推进全体AI算力生态系统的培植,从芯片架构、指令集、编译器到软件框架乃至算法模型,推动百口当链的自主创新,形成关键技能和家当生态的可控能力。同时也要重视关键领域的人才培养,紧跟环球前沿技能的发展趋势,在自主研发的根本上打造出具有国际竞争力的生态体系。
总的来说,海内AI芯片兼容CUDA指令集一事引发的纷争,彰显了海内缺少自主AI算力生态的尴尬处境。我们不能永久依赖外部生态,必须在自主研发高下足功夫,全面提升AI关键技能的自主可控能力。这不仅事关我国AI家当发展的主动权和话语权,也是确保国家安全和家当链供应链安全的主要一环。相信只要始终如一、精准发力,我国完备有能力在AI算力自主可控方面实现打破,为未来的家当发展夯实根基。
