最近这几周，CUDA的舆论场活成了两个平行世界。
一边，是接连不断的"CUDA死刑"新闻：有创业公司用AI Agent，10个小时搭出一套"类CUDA软件"；Anthropic的Claude一个周末就在一台全新的AMD MI355X机架上跑通了自家前沿模型，人类工程师一行代码没改；DeepSeek也开源了用TileLang编写、不用大量手写底层CUDA的算子库。知乎上"计划经济可以计划出CUDA吗""CUDA是不是牢不可破"这类问题，动辄几百赞、上百条评论。
另一边，是学习端的持续升温：知乎"如何学习CUDA编程"的回答下攒着251个收藏，被反复推荐的《Programming Massively Parallel Processors》第四版还顶着"圣经"的名号；B站一门面向H100的CUDA综合课，播放两千出头，收藏却有461；从7月底开始，CUDA面试题系列、Triton教程连载、FlashAttention手撕优化记录，几乎每天都有新内容在更新。
哪一边才是真的CUDA？如果你正在犹豫要不要入坑AI Infra，这个问题值得现在花十分钟想清楚——因为它直接决定你接下来几个月学什么、怎么学、避开什么。
一、先给三个"护城河崩塌"事件去去水分
这三件事都是真的，但每一件的真实含义，都和标题差着一截。
先说"10小时事件"。今年8月，前Google Brain研究员Jeremy Nixon创立的AI公司Infinity宣布，他们用自研的AI研究Agent"Ignition"，为推理芯片公司d-Matrix搭出了一套类CUDA软件，只花10小时。这家公司随后拿到1500万美元融资，估值1亿美元。听起来很炸，但把CUDA拆开看就冷静了：CUDA分三层，最底下是让芯片干活的内核层（Kernel、编译器、运行时），中间是cuBLAS、cuDNN这些打磨了多年的计算库和调试、性能分析工具，最上面才是PyTorch等框架、企业代码和几百万开发者构成的生态。Ignition攻进的主要是第一层——为新芯片生成和优化推理Kernel。10小时复刻的是"一块芯片的适配代码"，不是20年攒下的完整生态。上一家AI芯片软件公司被英伟达收购、今年4月才离开英伟达的Bing Xu说得直接：Agent生成一万行代码很快，但"证明这一万行在各种边界情况下都算得对、跑得稳"，验证才是最大的瓶颈。
再看"Claude跑通AMD"。Anthropic联合创始人Tom Brown讲的故事是：AMD送来一台MI355X机架，团队让一名工程师接上Claude去"把这台机器跑起来"，一个周末之后，屏幕上是一条持续上涨的性能曲线。这件事的背景是AMD在今年夏天发布了专门给AI Agent用的ROCm.AI工具栈——经过验证的ROCm知识库、Agent可以直接调用的命令行工具、甚至改写成"AI可读"的指令集文档，现场演示的Hyperloom agent把MiniMax M3的输出速度提升了38%。换句话说，这不是Claude无师自通，而是AMD把二十年"人类工程师踩坑经验"提前喂给了Agent。值得注意的后续是商业层面的：Anthropic宣布将在AMD Helios系统中部署最高2GW的Instinct GPU，首批1GW计划2027年上半年启动。生态的裂缝是真的，但它首先出现在商业谈判桌上，不是出现在技术上。
第三件，DeepSeek开源的TileKernels算子库，用清华系开源的TileLang编写。这代表的是另一个趋势：用"写一遍、多处编译"的Tile级语言，减少对单一底层CUDA代码的依赖。
把三件事放在一起，结论其实很清晰：AI压缩的是"写Kernel"这件事的成本，而且主要集中在推理侧。训练侧因为涉及上万卡协同、通信、显存调度和故障恢复，任何效率损失放大到集群上都是真金白银，企业极其保守，CUDA暂时近乎无解。推理侧才是变化发生的地方——用Rebellions首席商务官Marshall Choy的话说，“在推理侧，CUDA不再是决定因素，这将是一场开源软件的竞争”。
二、学习端爆收藏，才是更值得读的信号
如果你觉得"护城河崩了=不用学了"，那你需要解释另一组数据：
知乎"如何学习cuda编程"问题下的高赞回答，93个赞配251个收藏——收藏是赞的将近三倍，这是典型的"先码住、准备认真学"的行为；
B站那门H100 CUDA课，播放2234，收藏461，收藏率超过20%；
知乎的CUDA面试题专栏，182个收藏；有人从56 TFLOPS开始优化FlashAttention kernel，每周记录进度，目标是sm103架构上的986 TFLOPS；
8月的第一周，有人发了一篇《学习Triton的最少必要知识》，开头就写明：目标不是学会写Triton，而是"看到一个Triton kernel，5分钟内知道它在优化什么、为什么这么写、瓶颈在哪里"；
资源供给端也在放量：vitamin-cuda算子开发指北、CUDA-365博客翻译专栏、AwesomeCUDABooks书单（覆盖2024-2026年新出版的书）、InfiniTensor的暑期训练框架课程，全部在过去几个月密集更新。
这些动作的人不是傻子。他们集体用收藏夹投票的方向，恰恰说明市场真正稀缺的东西变了：不是"会写CUDA语法的人"，而是"看得懂性能从哪来、瓶颈在哪、结果对不对的人"。
这和第一部分的结论正好咬合：AI能替你写，但AI写出来的东西要有人能判断。Kernel写得再快，算错了、慢了、在边界条件下崩了，谁来发现？答案是那个懂执行模型、会用nsys看时间线、会用ncu拆kernel的人。社区里有人把这层东西叫"暗知识"——真正难迁移的不是语言本身，而是这些藏在踩坑经验里的判断力。Agent时代，这类人的价值不降反升。
三、结论：值得学，但学的目标要改
直接给判断：2026年，CUDA依然值得学，但学习目标要从"会写"改成"能看懂、能验证、能判断"。
这个判断对不同背景的人，落地方式完全不同：
第一类：Python背景，目标是AI Infra/推理方向。 别一上来啃C++大部头。路线建议是：先花一两周建立执行模型的基本概念（Grid/Block/Warp、显存层级），然后直接上手"入门三件套"——softmax、rms_norm、layer_norm，这是现在社区公认的新手起步算子；每个算子先写朴素版，再做一次优化，用benchmark记录数字。之后转Triton，用Python语法把同样的算子再写一遍，体会两种抽象的差异。有了这层体感，再去看vLLM、SGLang这类推理框架的源码，你才能看懂"为什么慢"“为什么这个优化有效”。知乎上那篇127赞的《想入门AI Infra，我为什么建议先写一个CUDA算子，而不是直接看vLLM源码》，说的就是这个顺序。
第二类：C++背景，目标是算子开发岗。 直接按"手撕算子"路线走：《Programming Massively Parallel Processors》第四版打底（英语四六级水平就能读下来八成），然后从GEMM开始，目标是对标cuBLAS；同时必须把工具链学起来——nsys看整体时间线定位瓶颈，ncu对单个kernel做指标级分析，再用Roofline模型判断你的kernel是算力受限还是带宽受限。面试端，现在社区已经把高频题整理成了系列，从"HBM到TensorCore的数据搬运全路径"这类题入手，比背概念定义有用得多。
第三类：算法/应用工程师，只想用好GPU。 可以不学写kernel，但要学"读"kernel：理解Triton代码的tile结构、能看懂profile报告里的关键指标、知道什么时候该用torch.compile、什么时候算子融合有收益。前面提到的"5分钟看懂一个Triton kernel"，就是这个层级的合理目标。
四、四个坑，提前避开
跳过基础直接读大框架源码。 没有算子和显存访问的体感，读vLLM源码只能看懂流程，看不懂为什么慢，时间花了，判断力没涨。
一上来就钻PTX和内联汇编。 这是进阶内容，入门阶段碰它性价比极低，还容易劝退自己。
只看不写。 这个领域所有高质量内容都在强调benchmark和复现，收藏一百篇教程不如把一个softmax优化出数字。
被"CUDA已死"的标题带节奏。 如前所述，AI压缩的是写的成本，训练侧护城河还在，推理侧的竞争也是"谁能验证得更好"的竞争——这恰恰是需要人的地方。
五、接下来值得盯的三个信号
cuTile的进展。 英伟达在CUDA 13世代力推的tile级编程模型，社区已经在讨论它会不会替代Triton，今年已有论文在Hopper和Blackwell上做了实测。它代表英伟达自己的"升维"动作：与其让别人绕过CUDA，不如把CUDA变得更易用。
Agent验证能力的演进。 现在AI写kernel的最大瓶颈是验证。一旦出现成熟的自动化验证方案，入门门槛会再降一次，届时学习重点会进一步向"架构级判断"上移。
国产与多芯片生态的落地情况。 国产GPU通过兼容层宣称可以实现大部分CUDA代码迁移，TileLang这类跨芯片语言也在积累生态。对求职者来说，"CUDA能力+跨平台视野"会是比纯CUDA更稳的组合。
最后说一句实在话：每一轮"CUDA要完"的讨论，最后沉淀下来的都不是恐慌，而是更清楚自己该学什么的人。这一次也一样——AI替你写代码的时代，真正值钱的，是你判断代码的能力。
