这个夏天CUDA课程大爆发：对比全网收藏数据后，只有4类值得看完

这个夏天，B站的 CUDA 课程集体爆发了。

光是七八月份：北大未名超算队和 LCPU 的 AI Infra Seminar 开讲。哔哩哔哩英伟达官方《现代 CUDA 编程》全集被搬上 B 站，还配了中英字幕。哔哩哔哩斯坦福 CS149《并行计算》也更新完了全 19 讲。哔哩哔哩国内开源社区 InfiniTensor 的暑期课，则一路更到了训练框架篇。

小红书上收藏很高的"保姆级 CUDA 学习路线"帖，把痛点总结得很一致：资料太老，官方指南太细，新手被劝退。小红书另一篇路线帖说得更直接：市面上的 CUDA 学习资料，要么太老旧，要么就是英伟达官方指南太细节。小红书

一边是课程井喷，一边是路线帖常年霸榜。这个反差说明的事很实在：学 CUDA 的人没有变少，但痛点变了——不再是"没得学"，而是"选不过来，还怕选到过时的"。

我替大家把 B 站、知乎、小红书的相关课程和帖子过了一遍，按收藏数据排了个座次。结论先说：2026 年学 CUDA，先选方向，再选课。课程真正值得看的有四类，还有两个坑要避开。

学习区，收藏是最诚实的投票

先看数据。把 B 站近半年的 CUDA 相关课程按收藏排序，站在第一梯队的课程如下（截至 8 月中旬）。

对比一下：同一批搜索结果里，不少标题带"从入门到精通"的课程，播放几千，收藏只有个位数。

为什么盯着收藏数据看？因为学习类内容里，播放量是标题骗进来的，收藏才是"我真的打算把它学完"的表态。收藏率高的课程，等于先被一批真实学习者用脚筛过一轮。

第一类：官方系统新课，赢在"新"

英伟达官方《现代 CUDA 编程》系列有两门课都进了收藏前六。值得看的不是"官方"这个头衔，而是新——《CUDA Tile 到多 GPU 实战》这一门，已经在讲 CUDA 13 这代开始力推的 tile 编程范式 cuTile。cuTile 是英伟达面向 tile 编程方向的官方框架。知乎这件事为什么重要？现在网上流传的大部分 CUDA 教程停留在 CUDA 12 之前的体系：讲线程块、共享内存、规约，这些没错，但不讲 Tensor Core 时代的写法，更不会碰 cuTile。而 CUDA 13 这一年连更了四个版本，官方编程文档已经写到 13.3。知乎拿三五年前的教程学 CUDA，概念不算错，但上手干活时会发现要重学一遍。

cuTile 本身也值得留意。NVIDIA Labs 六月放出了配套的 Rust 方向研究。知乎中文社区从五月起也有了 cuTile 的 C++ 上手实战，有人把它写成了中文第一份 cuTile C++ 博客。知乎同期还出现了"CUDA vs Triton vs TileLang vs cuTile"的四方横向对比文章。知乎学官方新课，起码能知道这个新范式在解决什么问题。

第二类：社区前沿工程课，AI Infra 方向的加餐

GPU Mode / CUDA Mode 这个社区讲座系列，在 B 站收藏榜前二十里占了三个版本：中英双语版、中配版、合集版。哔哩哔哩收藏最高的是主打"PyTorch+Triton+LLM 优化"的 GPU Mode 课，664 收藏。哔哩哔哩

这类课不教语法，讲的是真实工程问题：FlashAttention 怎么写、Triton 的编译流程、算子怎么融合。门槛不低，生词多，不适合纯新手。但如果你的目标是大模型训练或推理方向，它是目前最快能摸到"业界实际在干什么"的入口。

一个实用建议：这类课不用从第一讲顺着看，挑自己关心的主题先看——GEMM、attention、量化，各来一两个就够回本。

第三类：中文系统课，新手最好的起点

完全没写过 CUDA 的话，我建议第一门课选中文系统课，理由很朴素：听得懂、跟得上、不花钱。

值得看的第一套是 InfiniTensor 的 2026 暑期系列，《并行编程导论与 CUDA 入门》《CUDA 基础入门：向量规约》《训练框架编程基础》一路排下来，全部免费。哔哩哔哩配套的 cuda-graph 章节单独拆开讲优化原理和代码走读，两讲分别拿到 605 和 301 收藏，比很多付费课都高。哔哩哔哩

第二套是北大未名超算队×LCPU 的 AI Infra Seminar，第一讲 CUDA 编程模型拿到 868 收藏，是这次统计里 B 站近半年收藏最高的 CUDA 课。哔哩哔哩

这类课的短板也要说清：更新节奏看作者档期，深度到框架层为止，再往底层走还得配第二类、第四类内容。

第四类：学术打底课，给想补体系的人

在校生，或者想把 GPU 架构彻底搞明白的人，组合还是经典两件套：斯坦福 CS149 全 19 讲，加上 PMPP 教材《Programming Massively Parallel Processors》第四版。

PMPP 的地位可以看数据。知乎"有没有一本讲解 GPU 和 CUDA 编程的经典入门书"这个问题常年有人问，高赞回答收藏 5000+。知乎另一条 51 万播放的回答更直接：只看一本书的话，就是它。知乎学术课的老规矩：只看不练等于白看，课后题一定要动。

两个坑，先避开再出发

坑一：过时教程。判断标准很朴素——整门课不提 Tensor Core、用的 API 在新版文档里已经废弃、评论区全是"新版本编译不过"，直接换。学教程省下的时间，会在配环境和改代码时加倍还回去。

坑二：环境配置。CUDA 版本、驱动版本、PyTorch 版本三者的对应关系，几乎每个新手都会栽。这个我们之前专门写过一篇 2026 年驱动、CUDA 13 与 PyTorch 的版本匹配表，装环境前先翻那篇，能省几个小时弯路。

三种人，三个起点

• 你是 PyTorch 用户，想懂底层或者转 AI Infra：先用 InfiniTensor 暑期课或北大 Seminar 把编程模型建起来（1-2 周），再看 GPU Mode 挑主题补工程感（2-4 周），最后自己动手写一个 reduce 或小 GEMM，用 Nsight 定位瓶颈。最后这一步，才是从"看过"到"会写"的分界线。

• 在校生补基础：CS149+PMPP，课后题一道道做，别急着追时髦框架，基础是会复利的。

• 冲 AI Infra 求职：课程只是前半程，面试考的是现场手撕算子和性能分析。之前写过的 CUDA 题库和 Nsight Compute 实操两篇，可以直接接在这条路线后面。

最后，留个观察信号

最后说句泼冷水的话：学习区里收藏最诚实，但也最骗人——收藏不等于学会。收藏第一的课程有 868 人收藏，真正学完的，大概率不到一成。

与其再收藏一篇路线帖，不如先挑一门开学。三个信号可以持续关注：cuTile 生态官方和社区的新动作、InfiniTensor 下一季暑期课的课表、GPU Mode 讲座的中文化进度。课程潮退去之前，先挑一门看完，比什么都值。