CUDA 二十周年:这一平台如何改变了科学计算
摘要
NVIDIA 在 SC26 上庆祝 CUDA 诞生 20 周年,回顾该平台如何推动从 AlexNet、AlphaFold 到分子动力学等一系列突破,如今已拥有超过 1,100 万开发者和 1,000 多个 CUDA-X 库。
<div id="bsf_rt_marker"></div><p><span style="font-weight: 400;">本周在 SC26 上,NVIDIA 庆祝 </span><a target="_blank" href="https://developer.nvidia.com/cuda"><span style="font-weight: 400;">CUDA</span></a><span style="font-weight: 400;"> 二十周年,向那些助力 GPU 计算成为现代科学与 AI 基石的研究者、开发者和工程师们致敬。</span></p>
<p><span style="font-weight: 400;">CUDA 的 20 周年是一个回顾计算发展历程的契机——从编写最初几段 CUDA 程序的先驱,到如今在其基础上构建 AI 应用的开发者。</span></p>
<p><span style="font-weight: 400;">这一平台的核心正是这个开发者社区,他们的实验、工具与坚持不断拓展着加速计算的能力边界。</span></p>
<p><iframe loading="lazy" title="20 Years of CUDA: Honoring the Architects of Progress" width="1200" height="675" src="https://www.youtube.com/embed/v2I4vqz87fk?feature=oembed" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe></p>
<h2><b>从 SC06 到 SC26</b></h2>
<p><span style="font-weight: 400;">NVIDIA 于 2006 年 11 月</span><a target="_blank" href="https://web.archive.org/web/20220706095459/https://www.clustermonkey.net/Conference-Reports/sc06-jeffs-blog-day-1-sunday/Print.html"><span style="font-weight: 400;">发布了 CUDA</span></a><span style="font-weight: 400;">,并在 SC06 上将其带给科学界,为科学家和开发者提供了一种熟悉且高层的编程模型来使用 GPU。它从根本上将加速计算从图形应用场景扩展出去,加速了科学、仿真等领域的高要求应用。</span></p>
<p><span style="font-weight: 400;">在此后的二十年里,开发者们利用 CUDA 推动了</span><a target="_blank" href="https://www.kva.se/en/news/the-nobel-prize-in-chemistry-2024/"><span style="font-weight: 400;">荣获诺贝尔奖的 AI 研究</span></a><span style="font-weight: 400;">、加速了</span><a target="_blank" href="https://docs.nersc.gov/performance/readiness/"><span style="font-weight: 400;">超级计算机上的科学应用</span></a><span style="font-weight: 400;">,并支持了</span><a target="_blank" href="https://nvidianews.nvidia.com/news/nvidia-quadro-powers-all-five-academy-award-nominees-for-best-visual-effects"><span style="font-weight: 400;">奥斯卡获奖影片的视觉特效</span></a><span style="font-weight: 400;">。</span></p>
<p><span style="font-weight: 400;">如今,</span><a href="https://blogs.nvidia.com/blog/gtc-2026-news/#cuda"><span style="font-weight: 400;">超过 1,100 万开发者</span></a><span style="font-weight: 400;">在计算栈的各个层面基于 CUDA 进行构建。</span></p>
<p> </p>
<div style="margin: 0 !important; padding: 0 !important; text-align: center; line-height: 1;"><a style="display: inline-flex; align-items: center; justify-content: center; margin: 0 !important; padding: 10px !important; background-color: #76b900; color: #ffffff !important; font-family: 'NVIDIA Sans', Arial, sans-serif; font-size: 16px; font-weight: bold; line-height: 1 !important; text-align: center; text-decoration: none !important; white-space: nowrap; vertical-align: top;" href=" https://blogs.nvidia.com/sc26-news/">阅读 NVIDIA 在 SC26 上的所有公告</a></div>
<p> </p>
<h2><b>致敬进步的缔造者</b></h2>
<p><span style="font-weight: 400;">如今在 SC26 上,NVIDIA 回顾了一些在科学与 AI 领域取得突破性成就的 CUDA 先行者:</span></p>
<p><span style="font-weight: 400;">在伊利诺伊大学厄巴纳-香槟分校,生物物理学家 Klaus Schulten 的团队通过</span><a target="_blank" href="https://developer.download.nvidia.com/compute/academia/whitepapers/Achievement2014_UIUC.pdf"><span style="font-weight: 400;">Nanoscale Molecular Dynamics(NAMD)和 Visual Molecular Dynamics(VMD)</span></a><span style="font-weight: 400;">将 GPU 计算与分子生物学联系起来,这两个工具用于分子模拟与可视化。2013 年,来自伊利诺伊大学、匹兹堡大学和范德堡大学的研究人员利用 CUDA 加速工具,帮助解析了 HIV 衣壳的原子结构。他们将实验与在 </span><a target="_blank" href="https://www.ks.uiuc.edu/Highlights/?highlight=2013-06&section=2013"><span style="font-weight: 400;">Blue Waters</span></a><span style="font-weight: 400;"> 上的仿真相结合——Blue Waters 是当时世界上最强大的超级计算机之一。</span></p>
<p><span style="font-weight: 400;">在 AI 的一项关键突破中,多伦多大学的研究者 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 使用 CUDA 仅凭两块 NVIDIA GPU 就</span><a target="_blank" href="https://papers.nips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf"><span style="font-weight: 400;">训练了 AlexNet</span></a><span style="font-weight: 400;">。他们的图像识别系统</span><a target="_blank" href="https://papers.nips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf"><span style="font-weight: 400;">赢得了 2012 年 ImageNet 竞赛</span></a><span style="font-weight: 400;">,有力地展示了 GPU 计算在深度学习方面的潜力。</span></p>
<p><span style="font-weight: 400;">计算与科学发现之间的这种联系也体现在预测蛋白质结构的 AlphaFold 上。Demis Hassabis 和 John Jumper 凭借蛋白质结构预测获得了 2024 年诺贝尔化学奖。其团队</span><a target="_blank" href="https://github.com/google-deepmind/alphafold"><span style="font-weight: 400;">公开发布的 AlphaFold 2 软件</span></a> <a target="_blank" href="https://github.com/google-deepmind/alphafold/blob/main/docker/Dockerfile"><span style="font-weight: 400;">使用 CUDA 进行 GPU 执行</span></a><span style="font-weight: 400;">。</span></p>
<p><span style="font-weight: 400;">这些只是众多例子中的一小部分,说明了一代人的工作如何为下一代创造机会。借助 1,000 多个 NVIDIA CUDA-X 库,开发者正在重塑各行各业,赋予机器感知、学习和推理的能力——从发现新药物、设计下一代工厂,到推进自动驾驶、建模金融市场、解锁量子计算等等。</span></p>
<p><i><span style="font-weight: 400;">立即使用 </span></i><a target="_blank" href="https://developer.nvidia.com/cuda/toolkit"><i><span style="font-weight: 400;">CUDA Toolkit</span></i></a><i><span style="font-weight: 400;"> 开始构建,并前往 NVIDIA 在 </span></i><a target="_blank" href="https://www.nvidia.com/en-us/events/supercomputing/"><i><span style="font-weight: 400;">SC26</span></i></a><i><span style="font-weight: 400;"> 的展位参观 20 周年 CUDA 庆祝活动墙。</span></i></p>
<p> </p>
<div style="margin: 0 !important; padding: 0 !important; text-align: center; line-height: 1;"><a style="display: inline-flex; align-items: center; justify-content: center; margin: 0 !important; padding: 10px !important; background-color: #76b900; color: #ffffff !important; font-family: 'NVIDIA Sans', Arial, sans-serif; font-size: 16px; font-weight: bold; line-height: 1 !important; text-align: center; text-decoration: none !important; white-space: nowrap; vertical-align: top;" href=" https://blogs.nvidia.com/sc26-news/">阅读 NVIDIA 在 SC26 上的所有公告</a></div>
查看缓存全文
缓存时间:
2026/11/16 20:13
# CUDA 20周年:该平台如何改变了科学计算
来源:https://blogs.nvidia.com/blog/20-years-cuda/
本周在SC26上,NVIDIA正在纪念CUDA (https://developer.nvidia.com/cuda)诞生20周年,向帮助将GPU计算打造成现代科学与AI基石的研究人员、开发者和工程师们致敬。
CUDA的20周年是一个回顾计算发展历程的契机——从编写第一批CUDA程序的先驱,到今天在此基础上构建AI应用的开发者们。
这一平台的核心正是开发者社区,正是他们的实验、工具和坚持不懈,拓展了加速计算的能力边界。
## **从SC06到SC26**
NVIDIA于2006年11月发布CUDA (https://web.archive.org/web/20220706095459/https://www.clustermonkey.net/Conference-Reports/sc06-jeffs-blog-day-1-sunday/Print.html),并在SC06上将其带入科学计算社区,为科学家和开发者提供了一种熟悉的高级编程模型来使用GPU。它从根本上将加速计算从图形应用领域扩展到了科学、仿真等高性能应用的加速。
在此后的二十年里,开发者们使用CUDA推动了诺贝尔奖AI研究 (https://www.kva.se/en/news/the-nobel-prize-in-chemistry-2024/)、加速了超级计算机上的科学应用 (https://docs.nersc.gov/performance/readiness/),并为奥斯卡获奖电影的视觉特效提供了支持 (https://nvidianews.nvidia.com/news/nvidia-quadro-powers-all-five-academy-award-nominees-for-best-visual-effects)。
如今,已有超过1100万开发者 (https://blogs.nvidia.com/blog/gtc-2026-news/#cuda) 在整个计算技术栈上基于CUDA进行开发。
## **致敬进步的缔造者们**
如今,在SC26上,NVIDIA回顾了在科学与AI领域取得突破性进展的CUDA先驱们:
在伊利诺伊大学厄巴纳-香槟分校,生物物理学家Klaus Schulten的团队通过Nanoscale Molecular Dynamics和Visual Molecular Dynamics (https://developer.download.nvidia.com/compute/academia/whitepapers/Achievement2014_UIUC.pdf)——用于分子模拟和可视化的工具——帮助将GPU计算与分子生物学连接起来。2013年,伊利诺伊大学、匹兹堡大学和范德堡大学的研究人员使用CUDA加速工具,帮助解析了HIV衣壳的原子结构。他们将实验与在Blue Waters (https://www.ks.uiuc.edu/Highlights/?highlight=2013-06§ion=2013)上的模拟相结合,Blue Waters是当时世界上最强大的超级计算机之一。
在AI领域的一项关键突破中,多伦多大学的研究人员Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton仅使用两块NVIDIA GPU,通过CUDA训练了AlexNet (https://papers.nips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf)。他们的图像识别系统赢得了2012年ImageNet竞赛 (https://papers.nips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf),证明了GPU计算在深度学习领域的潜力。
计算与科学发现之间的这种联系在AlphaFold上得到了体现——它能够预测蛋白质结构。Demis Hassabis和John Jumper因蛋白质结构预测研究共同获得了2024年诺贝尔化学奖。他们团队公开发布的AlphaFold 2软件 (https://github.com/google-deepmind/alphafold)使用CUDA进行GPU执行 (https://github.com/google-deepmind/alphafold/blob/main/docker/Dockerfile)。
这些只是众多案例中的冰山一角,它们展示了一代人的工作如何为下一代创造机遇。凭借1000多个NVIDIA CUDA-X库,开发者们正在重塑各行各业,赋予机器感知、学习和推理的能力——从发现新药物、设计下一代工厂,到推进自动驾驶、建模金融市场和解锁量子计算等。
*开始使用CUDA Toolkit (https://developer.nvidia.com/cuda/toolkit)进行开发,并访问NVIDIA在SC26 (https://www.nvidia.com/en-us/events/supercomputing/)展位上的20周年CUDA庆典活动墙。*
相似文章
NVIDIA Blog
NVIDIA GTC 2026 主题演讲重点庆祝 CUDA 问世 20 周年,正式发布搭载 AI 驱动神经渲染技术的 DLSS 5,并全面展示 NVIDIA 在车载、医疗、机器人及各垂直领域的加速计算平台。Jensen Huang 指出,受庞大 AI 需求驱动,预计 2025 至 2027 年间计算业务营收将突破 1 万亿美元。
NVIDIA Blog
NVIDIA 宣布扩展 CUDA-X 库——包括 cuPhoton、cuPotential 和 cuSpa——为 AI 智能体提供加速科学发现的工具,在黑洞成像、聚变等离子体模拟、分子动力学和材料研究方面实现了显著的加速效果。
NVIDIA Blog
NVIDIA cuDSS 是一款面向 GPU 加速稀疏线性方程组求解的 CUDA-X 库,现已正式全面可用,并已获得 Applied Materials、COMSOL、Cadence、Dassault Systèmes、Siemens 和 Synopsys 的采用,可将工程与科学仿真速度提升最高 10 倍。
X AI KOLs Timeline
Nvidia在Hugging Face上突破了1,000个公共仓库,展示了热门模型,并宣布了Cosmos 3、Alphamayo 2 Super、Nemotron 3/4的计划以及采用OpenMDW框架,凸显了其在开源AI领域的领导地位。
X AI KOLs Timeline
详细剖析了NVIDIA GPU编程从Volta到Blackwell的演变,重点突出了从同步线程模型到异步数据流的转变以及喂饱张量核心的挑战。文章讨论了TMA、TMEM和tcgen05 MMA等新硬件特性,并展示了FlashAttention-3和FlashMLA等现代内核如何利用这些变化实现更高利用率。