Экосистема CUDA почти два десятилетия помогала Nvidia удерживать разработчиков внутри собственной аппаратной платформы. Накопленные библиотеки, инструменты отладки и оптимизированный код снижали стоимость внедрения ускорителей компании и одновременно делали переход на конкурирующие чипы дорогим и сложным.
Ситуацию меняют программирующие ИИ-агенты, способные создавать, тестировать и улучшать низкоуровневый код для графических процессоров. Основатель стартапа Infinity Джереми Никсон рассказал Business Insider, что его команда при помощи агентов за десять часов воспроизвела для ускорителя D-Matrix программный слой, похожий на CUDA. Независимой оценки качества этой реализации нет, поэтому эксперимент пока нельзя считать доказательством полноценной замены платформы Nvidia.
Однако сам подход снижает один из главных барьеров для производителей альтернативных ускорителей. Облачные компании Google, Amazon и Microsoft давно развивают собственные чипы и программные стеки, а автоматизация написания кода может ускорить перенос рабочих нагрузок между разными архитектурами.
CUDA появилась в 2006 году и превратилась из модели параллельных вычислений в широкую систему компиляторов, библиотек, средств профилирования и готовых решений. По данным Nvidia, к 2026 году платформой пользовались около шести миллионов разработчиков. Внутри компаний на ней построены миллионы строк кода и критически важные рабочие процессы.
Такой масштаб создает эффект закрепления: даже если конкурирующий ускоритель дешевле или лучше подходит для отдельной задачи, заказчику приходится оценивать затраты на перенос программ, повторное тестирование и обучение инженеров. Поэтому сила Nvidia определяется не только производительностью процессоров, но и стоимостью отказа от привычной среды.
AMD в июле представила платформу ROCm.AI, которая подключает знания о программном стеке ROCm к популярным агентам для написания кода. В нее входит Hyperloom – система, способная искать узкие места, менять код центрального и графического процессоров, сравнивать варианты и проверять производительность.
Компания рассчитывает, что автоматизация уменьшит трение при настройке оборудования AMD. Это не устраняет различия между архитектурами и не гарантирует одинаковой скорости, но сокращает объем ручной работы, который раньше могли выполнять только редкие специалисты по GPU-программированию.
Дополнительное давление создают более высокоуровневые и открытые средства разработки. Язык Triton позволяет описывать быстрые вычислительные ядра короче и проще, чем традиционный низкоуровневый код. Современные агенты могут генерировать и улучшать такие ядра в цикле с тестированием на реальном оборудовании.
Для корпоративного заказчика важен не сам язык, а возможность запускать модели на нескольких типах ускорителей без полной переработки приложения. Особенно заметным этот фактор становится на рынке инференса, где компании стремятся снизить стоимость каждого запроса и могут выбирать специализированное оборудование для конкретной модели.
ИИ-агент способен быстро создать множество вариантов программы, но каждый из них нужно проверить на корректность, устойчивость и скорость при разных размерах данных. Ошибка в вычислительном ядре может давать правдоподобный, но неверный результат, а выигрыш на одном тесте иногда исчезает в реальной нагрузке.
Именно здесь зрелость CUDA пока работает в пользу Nvidia. Платформа располагает глубокой системой библиотек, профилировщиков, отладчиков и накопленных практик. Nvidia также применяет ИИ-агентов для ускорения собственной разработки и масштабной проверки CUDA, поэтому конкуренты должны не просто догонять существующий стек, а двигаться быстрее его дальнейшего развития.
ИИ-агенты не уничтожают программный барьер Nvidia, но постепенно меняют его природу. Само написание кода становится дешевле, тогда как ценность смещается к проверке, инструментам оптимизации, совместимости библиотек и предсказуемой работе в производственной среде.
Для рынка ускорителей это означает более реальную конкуренцию на уровне совокупной стоимости владения. Если альтернативные платформы смогут автоматизировать перенос и доказать надежность, покупатели получат больше возможностей распределять нагрузки между Nvidia, AMD и специализированными чипами. Пока CUDA сохраняет масштаб и зрелость, но цена выхода из ее экосистемы уже не выглядит неизменной.
Незалежных ждут новые испытания
Август перевернет жизнь: Судьба приготовила подарки трем знакам зодиака
"Раньше не видела ничего подобного": британцы сняли НЛО в форме конфеты
Дети массово рухнули на землю во время линейки в честь погибшего на СВО
