AMD称CUDA技术壁垒弱化，AI开发正转向高抽象层与自动硬件适配

二零二六年七月二十四日，AMD在Advancing AI预简报会上指出，CUDA已不再如过去那样构成难以逾越的技术壁垒。

该公司数据中心GPU业务集团副总裁兼总经理安德鲁·迪克曼表示，如今与客户交流时，几乎不再提及CUDA这一概念，它在实际业务对话中已基本淡出。

他进一步说明，当前多数人工智能企业已在更高层级的抽象框架内开展开发工作，普遍采用各类推理服务框架，而非直接调用CUDA等底层编程接口。在这一模式下，开发者无需接触底层指令，整个工具链会自动完成从高级指令到硬件执行的映射与转换。

迪克曼还指出，一种新趋势正在显现：自二零二六年起，AI代理及大模型自身已具备协助用户自动适配并优化至AMD硬件平台的能力。这种自主迁移与调优机制，显著降低了对CUDA生态的依赖。

长期以来，某厂商凭借CUDA构建起AI计算领域的主导地位。由于核心AI算子，尤其是矩阵运算，深度嵌入CUDA体系，大量软件库、训练框架与部署工具均以此为基础搭建，导致跨平台迁移成本居高不下。这正是其在AI硬件市场持续获得高溢价的关键因素。

但AMD认为，当开发重心上移至更高抽象层级后，底层运行于CUDA抑或ROCm，对最终应用效果的影响已大幅减弱。客户因此得以更自由地依据性能与成本综合考量，选择更具性价比的硬件方案。

需要指出的是，这一判断出自AMD自身立场，天然带有商业导向。即便CUDA在部分应用场景中的重要性确已下降，其他机构仍可能优先延续成熟、稳定且经过大规模验证的技术栈。毕竟，一座AI数据中心的投入动辄数亿美元，系统可靠性与运维连续性，往往比短期成本节约更具优先级。

CUDA是否真正丧失其结构性优势，关键在于更高抽象层级的编程范式与AI驱动的自动优化能力，能否超越实验室与先锋团队的实践范畴，成为全行业广泛采纳的通用标准。