整理 | 鄭麗媛

出品 | CSDN（ID：CSDNnews）

如果你是一名 Python 開發(fā)者，曾想嘗試 CUDA 卻被 C/C++ 勸退，那么你終于可以松一口氣了——今年 NVIDIA GTC 大會(huì)上傳來了一條重磅消息：CUDA，英偉達(dá)深耕多年的并行計(jì)算平臺(tái)和編程模型框架，正式加入了對 Python 的原生支持！

這意味著：Python 開發(fā)者無需再學(xué)習(xí) C/C++，就可以用最熟悉的 Python 寫代碼、調(diào)庫、跑模型，直接在 GPU 上高效執(zhí)行算法任務(wù)。作為長期以來開發(fā)者社群最為期待的能力之一，Python 原生支持的到來，無疑為 CUDA 注入了新的活力，也為數(shù)以百萬計(jì)的 Python 工程師打開了加速計(jì)算的大門。

（CSDN 付費(fèi)下載自視覺中國）

正式官宣：Python 成為 CUDA 原生語言

自 2006 年推出以來，CUDA 憑借其出色的并行計(jì)算性能，成為深度學(xué)習(xí)、科學(xué)計(jì)算、圖像處理等領(lǐng)域的核心技術(shù)底座。但長期以來，CUDA 的生態(tài)始終圍繞 C/C++ 構(gòu)建，其編程語言支持也主要集中在 C、C++ 和 Fortran 上。

雖然有諸如 PyCUDA、Numba 等第三方庫實(shí)現(xiàn)了部分 Python 封裝，但始終缺乏官方、全面、原生的 Python 集成。尤其在 GitHub 2024 年度報(bào)告中 Python 超越 JavaScript、成為了“全球最受歡迎編程語言”之后，這種不匹配越來越明顯。

如今，這一切終于迎來了轉(zhuǎn)折點(diǎn)。

在 GTC 2025 中，英偉達(dá)正式宣布：CUDA 工具鏈將全面原生支持 Python 編程。CUDA 架構(gòu)師 Stephen Jones 在 GTC 技術(shù)演講中對此表示，“我們一直在努力讓加速計(jì)算與 Python 深度融合，使其成為 CUDA 技術(shù)棧中的‘一等公民’?！?/p>

CUDA 的 Python 化改造

對于添加了原生 Python 支持的 CUDA，開發(fā)者可直接用 Python 編寫算法，并在英偉達(dá) GPU 上高效執(zhí)行，無需手動(dòng)調(diào)用底層內(nèi)核或依賴 C++ 接口封裝。

Stephen Jones 補(bǔ)充道：“這不僅僅是把原來的 C 語言翻譯成 Python，而是要讓 Python 保持本色，讓 Python 開發(fā)者也感到自然?！?/p>

英偉達(dá)也強(qiáng)調(diào)，此次更新重新設(shè)計(jì)了一套真正符合 Python 編程習(xí)慣的 CUDA 開發(fā)模型，包括 API、庫、執(zhí)行方式和性能優(yōu)化手段。開發(fā)者可以像使用 NumPy、PyTorch 那樣，用 Python 腳本直接編寫和調(diào)用 GPU 加速邏輯。

換句話說，英偉達(dá)對 CUDA 不是簡單的語法包裝，而是一次從運(yùn)行時(shí)到編程模型的 Python 化重構(gòu)。具體來看，英偉達(dá)提供了：

（1）CUDA Core：重新設(shè)計(jì)的運(yùn)行時(shí)系統(tǒng)，支持完全的 Python 編程體驗(yàn)，執(zhí)行流程也更貼近 Python 風(fēng)格；

（2）cuPyNumeric：NumPy 的 GPU 加速替代品，修改一行 import 即可將代碼從 CPU 遷移至 GPU；

（3）NVMath Python：統(tǒng)一接口庫，支持在 host 和 device 兩端調(diào)用各種庫函數(shù)，這些函數(shù)調(diào)用支持自動(dòng)融合（fusing），可帶來明顯的性能提升；

（4）采用 JIT 編譯：幾乎不依賴傳統(tǒng)編譯器，大幅減少依賴鏈復(fù)雜度，提高執(zhí)行效率和可移植性；

（5）全套的分析工具支持：包括性能分析器、代碼靜態(tài)分析器等，幫助開發(fā)者進(jìn)行性能調(diào)優(yōu)。

除此之外，傳統(tǒng) CUDA 強(qiáng)調(diào)線程（thread）、塊（block）等顯式控制方式，而 Python 工程師則更熟悉“數(shù)組思維”——以矩陣、張量、向量等結(jié)構(gòu)為基礎(chǔ)組織計(jì)算。為此，英偉達(dá)還推出了全新編程模型 CuTile，它更像是面向數(shù)組、張量的抽象，更貼近 Python 開發(fā)者的思維模式。

CuTile 模型強(qiáng)調(diào)以 tile（小塊）為基本計(jì)算單元進(jìn)行調(diào)度，每個(gè) tile 包含若干數(shù)據(jù)元素，由編譯器負(fù)責(zé)自動(dòng)映射到底層線程執(zhí)行，從而實(shí)現(xiàn)高效的 GPU 加速。Stephen Jones 解釋道，“相比線程，tile 更貼近 Python 語言的哲學(xué)；它足夠高效，性能也不輸 C++。”——tile 中的數(shù)據(jù)可以是向量、張量或數(shù)組，編譯器可以更好地將整個(gè)數(shù)組操作映射到 GPU。

最終實(shí)現(xiàn)既保留了 CUDA 的性能優(yōu)勢，又貼近 Python 的開發(fā)習(xí)慣。

接下來還有什么值得期待？

根據(jù)市場研究機(jī)構(gòu) The Futurum Group 數(shù)據(jù)，2023 年全球 CUDA 開發(fā)者數(shù)量約為 400 萬人。而與之相比，Python 開發(fā)者群體則以指數(shù)級增長，在全球范圍內(nèi)已突破數(shù)千萬，尤其在印度、巴西等新興市場展現(xiàn)出強(qiáng)大活力。

英偉達(dá)此次為 CUDA 添加原生 Python 支持，無疑將把這批人拉入 CUDA 生態(tài)中。無論你是 AI 工程師、科研人員，還是對 GPU 加速感興趣的 Python 愛好者，這波更新無疑是一個(gè)好消息。

更為重要的是，英偉達(dá)在 GTC 大會(huì)上還透露：接下來還將在 CUDA 中支持 Rust、Julia 等語言，進(jìn)一步擴(kuò)大其多語言生態(tài)。也就是說，CUDA 不再設(shè)置“語言門檻”，正在從“專業(yè)工具”向“通用平臺(tái)”演化，未來不再只有系統(tǒng)級程序員才能玩轉(zhuǎn) CUDA。

參考鏈接：https://thenewstack.io/nvidia-finally-adds-native-python-support-to-cuda/