这两天关注 GPU 并行计算的圈子，应该能感觉到时间线有点不寻常。
8 月 25 日，传出英伟达计划让 CUDA 支持 RISC-V CPU 的消息；8 月 27 日，知乎上"CUDA-L1：利用强化学习生成 CUDA 算子"的讨论热了一波；8 月 28 日，有人开始连载《CUDA 到 ROCm》实战教程，手把手教 CUDA 开发者把代码搬到 AMD 平台上；9 月 1 日，一篇论文被广泛转发——两名工程师只写了一份自然语言规格说明书，AI 在两周内零人工介入，从零生成了一颗能跑开源大模型的完整芯片设计，部署在 FPGA 上，传出文章的标题直接喊出"英伟达的 CUDA 护城河被打破"。知乎
到了 9 月 2 日晚上，知乎问题" CUDA 真是 NVIDIA 绝对牢不可破的生态吗？"下面新增了几条长回答，同日另一个问题"triton 是否会冲击 cuda 生态？"也被顶了上来。
几件事撞在一周里，争的核心其实就一个问题：AI 现在能写 kernel、能生成算子、甚至能设计芯片了，那 CUDA 靠两千万开发者学习成本堆出来的护城河，还算不算数？
先看两边的证据
"护城河在塌"这一边的论据主要有三条。
第一条，写代码这件事正在被自动化。据 SemiAnalysis 的披露，OpenAI 自研芯片的底层加速代码，已经是在 Triton 之上构建的语言里由 AI 批量生成的，OpenAI 工程师自己承认"人类已经看不懂这些代码每一行在干什么，但只要 AI 理解它、AI 验证过它，就够了"。知乎前面提到的那颗叫 Redwood 的芯片更夸张：修改一次架构规格，AI 从重新生成、重新验证到部署回硬件，只要 48 小时。如果"写"这个环节被自动化，护城河里最大的一块砖——海量开发者多年积累的学习成本——就松动了。
第二条，抽象层在上移。Triton 这类工具让你不碰 CUDA 也能写算子，社区里已经出现 triton-distributed 这样的仓库，在用 Triton 做多卡之间的 AlltoAll 通信原语。写算子的人离 CUDA 越来越远，这是个趋势性的变化。
第三条，国产栈在走"兼容路线"逼近。华为的 CANN、摩尔线程的 MUSA、沐曦的 MXMACA、壁仞的 BIRENSUPA，思路高度一致：把 NCCL 改成自家的 XCCL，把 cuBLAS 改成 xBLAS，再配一套 cuda 代码互转工具。知乎知乎知乎上有答主说得很直白：不这么干，几十万 CUDA 开发者的迁移成本没人扛，结果就是没人用你的产品。
"护城河还在"这一边也不是没有道理。
CUDA 绑定的不只是语法，而是 cuBLAS、cuDNN、NCCL、TensorRT 这一整套库矩阵，加上二十年围绕各种框架攒下来的调试经验和问答沉淀。改名容易，性能和覆盖度的对齐难。本周连载的《CUDA 到 ROCm》教程就写得很诚实：把 cuda* 换成 hip*，代码编过了，但"后面还有目标架构、wave 宽度、库的支持范围，以及最终到底生成了什么矩阵指令，这几件事不核对，移植就还没结束"。知乎
还有一种更激进的守方观点，值得单独拎出来：有答主直接说"所谓的生态不过是大量开源的重复代码，对于专项任务没什么生态"，言下之意是生态本身被高估了，只要 AMD 把显卡带宽和显存拉上来，AI 生态马上就会倒向 ROCm。这个观点未必对，但它点破了一件事：讨论护城河的时候，很多人其实在用"习惯"代替"论证"。
我的判断：护城河没塌，是在搬家
两边吵不起来的原因，是把不同层的护城河混在一起说了。拆开看，CUDA 的护城河其实是三层：
第一层是"写"的层——怎么把一个计算写成 kernel。AI 冲击最狠的就是这一层，CUDA-L1 这类用强化学习自动生成并优化 CUDA 算子的框架，方向就是让机器自己试错、自己提速。知乎这一层里贬值的是"人肉写 kernel 的劳动"，但不是"写"本身消失——总得有人定义正确性、验收结果。
第二层是"验证和调优"的层——用 ncu 拉指标，看 global 读写合并、bank conflict、occupancy，一次只动一个变量。知乎有意思的是，本周 CUDA-L1 讨论帖里热度较高的回答，讲的恰恰不是 AI 取代人，而是一套人机分工的工作流：AI 写 kernel、跑 profiling，人读指标判断瓶颈，再让 AI 解释"为什么"。AI 写得再快，报告得有人看得懂，瓶颈得有人定位得了。这一层非但没被撬开，反而在增值。
第三层是"库和工程生态"的层——cuBLAS、cuDNN、NCCL 加上整个工具链。国产栈和 ROCm 在追，但互转工具解决的是"能跑"，跑得多好还得看库覆盖和性能对齐，这层短期内还是英伟达最厚。
所以结论不是"护城河塌了"或"护城河稳了"，而是护城河从"你会不会写"搬到了"你能不能验证、能不能调优、能不能判断瓶颈"。
结论分人
如果你是学生或刚入门：别因为这场争论放弃 CUDA。你要学的线程模型、内存层次、并行思维，是所有平台的公共内功——连教人转投 ROCm 的教程，都是用 CUDA 概念当坐标系讲的。但学法可以变：从一开始就练"AI 生成代码 + 你读指标调优"的组合，这既是未来的工作方式，也是简历上的硬货，现在已经有回答把给 vLLM、Triton、CUTLASS 提过 PR 列为招聘信号了。
如果你是已经在写 kernel、做推理优化的工程师：不必急着学第二套栈，但值得加两个保险。一是理解 Triton 这类上层抽象的思路，不管以后站在哪个阵营都用得上；二是把 AI 生成 + profiling 验证的工作流真正用起来。真正会贬值的是"只会人肉搬 kernel"的人，能读 ncu 报告、能定位瓶颈的人，短期还轮不到被替代。
如果你是团队在做技术选型：训练关键路径继续默认英伟达，不必为叙事冒险；但推理、成本敏感、信创场景，今年值得认真评估国产卡和 A 卡了。只是评估之前，把软件适配成本算进预算——互转工具解决"能不能跑"，wave 宽度、矩阵指令、库覆盖才决定"跑得多好"。
最后给三个继续观察的信号：AI 算子生成在生产环境里的真实采用情况（不是论文和 demo）；ROCm 和国产栈的库覆盖与性能对齐进度；Triton 这类上层抽象有没有被一线训练推理框架收编。盯住这三个，比刷站队帖有用。
过去二十年，CUDA 的护城河是"会写的人不多"；接下来几年，它会变成"看得透的人不多"。对做 GPU 并行计算的人来说，这不全是坏消息——AI 搬走的是重复劳动，搬不走的是你判断瓶颈的能力。别急着给 CUDA 唱挽歌，也别急着把宝全押在某一个栈上，把技能押在"能验证、能调优、能迁移"的那一侧，护城河不管姓谁，里面都有你的位置。
