英偉達(dá)的軟件護(hù)城河，地位難保？

在AI行業(yè)，英偉達(dá)已經(jīng)建立起一種難以逾越的優(yōu)勢，并且愈來愈強。不過在這座“大山”面前，仍有挑戰(zhàn)者希望分到一杯羹。

就在上周，一家名為Modular的美國初創(chuàng)企業(yè)拿下一筆1億美元融資，由知名基金General Catalyst領(lǐng)投，GV（Google Ventures），SV Angel，Greylock和Factory等機構(gòu)參投。

這家初創(chuàng)企業(yè)于2022年1月成立，當(dāng)年就開發(fā)出一款全新的開源編程語言Mojo，在開發(fā)者社區(qū)內(nèi)引起了不小討論。

但創(chuàng)始人真正的目標(biāo)，是在AI軟件領(lǐng)域推出一種替代方案，用來取代英偉達(dá)旗下成本高昂的CUDA平臺。

要知道，CUDA是英偉達(dá)名副其實的“護(hù)城河”，在AI軟件領(lǐng)域近乎壟斷地位，Modular憑什么吸引投資者？

AI廠商，苦于CUDA

在英偉達(dá)的介紹里，CUDA（Compute Unified Device Architecture）是一個運算平臺，可利用GPU的能力，大幅提升計算能力。

在大模型時代來臨之前，CUDA主要應(yīng)用于科學(xué)計算、神經(jīng)網(wǎng)絡(luò)算法等領(lǐng)域。

一方面，英偉達(dá)一直大力支持GPU在這些領(lǐng)域推廣，另一方面，CUDA的競爭者OpenCL在優(yōu)化方面做得并不好，性能也不如CUDA，因此CUDA廣受軟件開發(fā)商、科學(xué)家以及研究人員的好評。

此后，各大AI框架開始優(yōu)先支持CUDA，形成了一種正循環(huán)，同時英偉達(dá)還在自動駕駛、機器人等領(lǐng)域繼續(xù)推進(jìn)CUDA的支持。

不過CUDA真正厲害的是做到了“軟硬件綁定”，簡單來說，就是一些特定功能做到了英偉達(dá)GPU限定，換了其他家的硬件難以達(dá)到訓(xùn)練的要求。

這時，擺在芯片廠商面前的只有兩個選擇——要么選擇兼容CUDA路線，要么重新選擇一種軟件生態(tài)。

但其實大部分算法工程師早已經(jīng)習(xí)慣了CUDA提供的工具庫，更換新平臺必然會帶來新的問題。

這其實是一種“雙刃劍”，AI芯片廠商使用英偉達(dá)的產(chǎn)品，可以降低AI訓(xùn)練的門檻，減少工程師的工作量，但英偉達(dá)GPU日益上漲的成本問題，也會成為自家產(chǎn)品發(fā)展的“天花板”。

往更大的方向看，英偉達(dá)形成了壟斷之后，只有英偉達(dá)的GPU才能處理AI任務(wù)，其他硬件廠商也不愿看到這種情況。

因此在Modular創(chuàng)始人兼CEO Chris Lattner投入AI軟件創(chuàng)業(yè)后，瞬間吸引了眾多風(fēng)險投資者的注意。

這位前谷歌科技大牛，曾領(lǐng)導(dǎo)了多個大型編譯器項目，而他最成功的貢獻(xiàn)，就是為蘋果研發(fā)了新編程語言Swift。

離開蘋果后，Chris Lattner在特斯拉、谷歌、SiFive等企業(yè)任職，在此期間還負(fù)責(zé)知名AI框架Tensor-Flow的開發(fā)。

在接受采訪時，Chris Lattner表示，Modular的使命是希望簡化大規(guī)模創(chuàng)建和管理人工智能系統(tǒng)的復(fù)雜性，就像DevOps（一種軟件開發(fā)的方法論）簡化了傳統(tǒng)的軟件開發(fā)一樣。

就單憑Chris Lattner的名頭來說，業(yè)界也是對新公司寄予了厚望。

如何替代？

CUDA并非沒有缺點。

首先，就是越來越稀缺的英偉達(dá)GPU資源，限制了一些小型公司的發(fā)展。其次，CUDA存在一定的門檻，不像Python那樣簡單上手。

因此Modular的思路就是盡可能降低門檻，無論是AI開發(fā)工具還是編程語言。

在Modular的官網(wǎng)上，我們可以看到兩大明星產(chǎn)品的介紹，一個是“用于提高人工智能模型性能”的AI引擎，另一個是Mojo語言。

其中，前者是Modular在AI領(lǐng)域長期進(jìn)行的項目，其設(shè)計思路是通過“模塊化”的方式，解決“當(dāng)前AI應(yīng)用棧常常與特定硬件和軟件耦合”的問題。

從這里我們可以看到，Modular其實不僅要替代CUDA，還要進(jìn)一步整合TensorFlow和PyTorch這類的人工智能框架，用一個平臺解決所有的問題。

在Chris Lattner來看，這種人工智能框架本質(zhì)上還是插件，使用起來非常復(fù)雜繁瑣，每次調(diào)試都必須小心各個函數(shù)、功能間的關(guān)聯(lián)，一旦出現(xiàn)問題就會使整個項目出現(xiàn)偏差，就像計算機早期編程語言那樣。

而有了全平臺開發(fā)工具后，開發(fā)人員就可以直接調(diào)用自己需要的工具包，這樣編寫的程序，不僅可以在英偉達(dá)的GPU上進(jìn)行訓(xùn)練和運行，還在英特爾、AMD和Google等其他公司設(shè)計的芯片上運行，硬件與軟件之間的阻礙就這樣成功化解。

為了配合這個AI引擎，Modular還開發(fā)了開源編程語言Mojo。

據(jù)Modular聲稱，這是一個結(jié)合Python和C++優(yōu)點的全新編程語音，既有Python 的易用性，又有C語言的性能，其速度是Python的3.5萬倍，并且性能上毫不減量。

你可以把它想象成一個“專為AI而生”的編程語言，Modular用它開發(fā)各種工具整合到前面提到的AI引擎里，同時又可以無縫銜接上Python，降低學(xué)習(xí)成本。

下一步的挑戰(zhàn)

不得不說，Chris Lattner所期待的“大一統(tǒng)”是業(yè)內(nèi)非常期待的。

在人工智能領(lǐng)域競爭日益激烈的今天，英偉達(dá)的”護(hù)城河”愈發(fā)牢固，在“GPU+CUDA”這套組合拳體系下，所有的AI企業(yè)都很難繞開這座大山。

而Modular的出現(xiàn)，將會給行業(yè)帶來了新的選擇，同時也為其他GPU/CPU廠商提供了新的機會。

當(dāng)然，CUDA并不是那么容易就能被替代，而Chris Lattner所設(shè)想的“全平臺開發(fā)工具”又太過理想化。

雖然頂著“超越Python”的頭銜，又有Chris Lattner名聲作為背書，但Mojo作為一種新語言，在推廣上還需要經(jīng)過眾多開發(fā)者的考驗。

我們可以看到，Python之成為 AI 屆的統(tǒng)治語言，除了本身易用之外，其自身也有慣性的因素，那就是長時間的積累。雖然Mojo不需要零開始構(gòu)建自己的生態(tài)，但想在短時間內(nèi)實現(xiàn)轉(zhuǎn)化并不實現(xiàn)。

而AI引擎要面臨的問題就更多，不僅需要與眾多硬件公司之間達(dá)成協(xié)議，還要考慮各平臺之間的兼容。這些都是需要長時間的打磨才能完成的工作，到時候的英偉達(dá)會進(jìn)化成什么樣子，恐怕沒人會知道。

總之，Modular剛剛起步，它對簡化和進(jìn)化人工智能領(lǐng)域的承諾無疑令人心動，苦于CUDA的廠商們，起碼有個盼頭了。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！