英伟达，危！？Pytorch不再需要CUDA！

最新推荐文章于 2025-07-20 23:09:25 发布

转载最新推荐文章于 2025-07-20 23:09:25 发布 · 5.4k 阅读

64 ·

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s/ryGxKyN1Hej5AXXoSQD98Q

文章标签：

#pytorch #人工智能 #python

部署运行你感兴趣的模型镜像

相信对深度学习工作比较熟悉的小伙伴一定对 Pytorch 框架不陌生，开源的深度学习框架，适合研究和开发神经网络模型。

不过只要涉及人工智能的开发，就一定和算力脱不了干系。CUDA 允许开发者利用 NVIDIA GPU 进行通用计算任务，广泛应用于 Pytorch 和 Tensorflow 等深度学习框架的 GPU 加速中。近些年越来越有一种趋势，想玩 AI，你就得用 CUDA，就得买英伟达的 GPU。毕竟一直还没有什么能和 CUDA 掰掰手腕的“同行”出现，英伟达也就基本实现了行业垄断，网上戏称 NVIDIA GPU 提供算力，就犹如AI时代的原油，只要一句话断供，大企业们至少有一半要地震。

不过近日，Pytorch 开发团队官方发文，他们要实现「无 CUDA 计算」，100%使用 OpenAI 的 Triton 语言。

在博客中，开发团队就讨论了使用 Meta 的 Llama3-8B 和 IBM 的 Granite-8B Code 等流行 LLM 模型实现 FP16 推断的方法，其中所有计算都是使用 Triton 语言进行的。

开发团队说到：

为什么要探索使用 100% Triton？Triton 提供了一条途径，使 LLM 可以在不同类型的 GPU（英伟达™（NVIDIA®）、AMD™（AMD®）以及未来的英特尔™（Intel®）和其他基于 GPU 的加速器）上运行。它还在 Python 中为 GPU 编程提供了一个更高的抽象层，使我们能够比使用供应商特定的 API 更快地编写高性能内核。

团队从生成单个 token 的时间进行比较，对于使用基于 Triton 内核的模型，Pytorch 在 Nvidia H100 上将 Llama 和 Granite 的性能提高到 CUDA 内核主导工作流的 0.76-0.78 倍，在 Nvidia A100 上提高到 0.62-0.82 倍。