成熟且完善的平臺生態(tài)是GPU廠商的護城河。相較于持續(xù)迭代的微架構帶來的技術壁壘硬實力，成熟的軟件生態(tài)形成的強大用戶粘性將在長時間內(nèi)塑造GPU廠商的軟實力。以英偉達CUDA為例的軟硬件設計架構提供了硬件的直接訪問接口，不必依賴圖形API映射，降低GPGPU開發(fā)者編譯難度，以此實現(xiàn)高粘性的開發(fā)者生態(tài)。目前主流的開發(fā)平臺還包括AMD ROCm以及OpenCL。

CUDA（Compute Unified Device Architectecture），是NVIDIA于2006年推出的通用并行計算架構，包含CUDA指令集架構（ISA）和GPU內(nèi)部的并行計算引擎。該架構允許開發(fā)者使用高級編程語言（例如C語言）利用GPU硬件的并行計算能力并對計算任務進行分配和管理，CUDA提供了一種比CPU更有效的解決大規(guī)模數(shù)據(jù)計算問題的方案，在深度學習訓練和推理領域被廣泛使用。

CUDA除了是并行計算架構外，還是CPU和GPU協(xié)調(diào)工作的通用語言。在CUDA編程模型中，主要有Host（主機）和Device（設備）兩個概念，Host包含CPU和主機內(nèi)存，Device包含GPU和顯存，兩者之間通過PCI Express總線進行數(shù)據(jù)傳輸。在具體的CUDA實現(xiàn)中，程序通常劃分為兩部分，在主機上運行的Host代碼和在設備上運行的Device代碼。Host代碼負責程序整體的流程控制和數(shù)據(jù)交換，而Device代碼則負責執(zhí)行具體的計算任務。

一個完整的CUDA程序是由一系列的設備端函數(shù)并行部分和主機端的串行處理部分共同組成的，主機和設備通過這種方式可以高效地協(xié)同工作，實現(xiàn)GPU的加速計算。

CUDA在Host運行的函數(shù)庫包括了開發(fā)庫（Libraries）、運行時（Runtime）和驅動（Driver）三大部分。其中，Libraries提供了一些常見的數(shù)學和科學計算任務運算庫，Runtime API提供了便捷的應用開發(fā)接口和運行期組件，開發(fā)者可以通過調(diào)用API自動管理GPU資源，而Driver API提供了一系列C函數(shù)庫，能更底層、更高效地控制GPU資源，但相應的開發(fā)者需要手動管理模塊編譯等復雜任務。

CUDA在Device上執(zhí)行的函數(shù)為內(nèi)核函數(shù)（Kernel）通常用于并行計算和數(shù)據(jù)處理。在Kernel中，并行部分由K個不同的CUDA線程并行執(zhí)行K次，而有別于普通的C/C++函數(shù)只有1次。每一個CUDA內(nèi)核都以一個聲明指定器開始，程序員通過使用內(nèi)置變量__global__為每個線程提供一個唯一的全局ID。一組線程被稱為CUDA塊（block）。CUDA塊被分組為一個網(wǎng)格（grid），一個內(nèi)核以線程塊的網(wǎng)格形式執(zhí)行。每個CUDA塊由一個流式多處理器（SM）執(zhí)行，不能遷移到GPU中的其他SM，一個SM可以運行多個并發(fā)的CUDA塊，取決于CUDA塊所需的資源，每個內(nèi)核在一個設備上執(zhí)行，CUDA支持在一個設備上同時運行多個內(nèi)核。

豐富而成熟的軟件生態(tài)是CUDA被廣泛使用的關鍵原因。

（1）編程語言：CUDA從最初的1.0版本僅支持C語言編程，到現(xiàn)在的CUDA 12.0支持C、C++、Fortran、Python等多種編程語言。此外，NVIDIA還支持了如PyCUDA、ltimesh Hybridizer、OpenACC等眾多第三方工具鏈，不斷提升開發(fā)者的使用體驗。

（2）庫：NVIDIA在CUDA平臺上提供了名為CUDA-X的集合層，開發(fā)人員可以通過CUDA-X快速部署如cuBLA、NPP、NCCL、cuDNN、TensorRT、OpenCV等多領域常用庫。

（3）其他：NVIDIA還為CUDA開發(fā)人員提供了容器部署流程簡化以及集群環(huán)境擴展應用程序的工具，讓應用程序更易加速，使得CUDA技術能夠適用于更廣泛的領域。

ROCm（Radeon Open Compute Platform）是AMD基于開源項目的GPU計算生態(tài)系統(tǒng)，類似于NVIDIA的CUDA。ROCm支持多種編程語言、編譯器、庫和工具，以加速科學計算、人工智能和機器學習等領域的應用。ROCm還支持多種加速器廠商和架構，提供了開放的可移植性和互操作性。

ROCm支持HIP（類CUDA）和OpenCL兩種GPU編程模型，可實現(xiàn)CUDA到ROCm的遷移。最新的ROCm 5.0支持AMD Infinity Hub上的人工智能框架容器，包括TensorFlow 1.x、PyTorch 1.8、MXNet等，同時改進了ROCm庫和工具的性能和穩(wěn)定性，包括MIOpen、MIVisionX、rocBLAS、rocFFT、rocRAND等。

OpenCL（Open Compute Language），是面向異構系統(tǒng)通用并行編程、可以在多個平臺和設備上運行的開放標準。OpenCL支持多種編程語言和環(huán)境，并提供豐富的工具來幫助開發(fā)和調(diào)試，可以同時利用CPU、GPU、DSP等不同類型的加速器來執(zhí)行任務，并支持數(shù)據(jù)傳輸和同步。

此外，OpenCL支持細粒度和粗粒度并行編程模型，可根據(jù)應用需求選擇合適模型提高性能和效率。而OpenCL可移植性有限，不同平臺和設備的功能支持和性能表現(xiàn)存在一定差異，與CUDA相比缺少廣泛的社區(qū)支持和成熟的生態(tài)圈。