9月的第一周，GPU圈几乎同时发生了两件事。
9月1日，KDA（Kernel Design Agents）团队发布v0.5：全自动Agent循环生成的kernel，在FlashInfer Kernel Contest里，性能比人类获胜者的方案快16%～69%。知乎而"以后CUDA算子开发是不是都会被AI取代"这个问题，知乎上从今年4月讨论到现在，一直没停过。知乎
9月2日，燧原科技IPO申购，摩尔线程、沐曦、壁仞、燧原这"国产GPU四小龙"就此补齐资本市场的最后一块拼图。知乎此前摩尔线程去年12月登陆科创板首日大涨468.78%，壁仞则在今年1月登陆港交所。知乎
再往前倒，还有两个没凉的争议：4月网传DeepSeek V4提出"去CUDA化"，一个问题下拿了954赞。知乎7月"为什么说CUDA是NVIDIA的护城河"下面，高赞回答引用梁文锋的观点：开发者、框架、算子、工具链二十多年积累的生态，“这个判断，可能正在被 AI 改写”。知乎
于是"现在学CUDA还值不值"这个问题，在这个9月，问的人比过去两年任何时候都认真。
我把知乎、B站、GitHub翻了一圈，先说结论：还值得学，但"学"的内容变了。以前学CUDA最值钱的部分，恰恰是现在贬值最快的部分。 把这件事拆成三层看，就清楚了。
第一层：API和语法层——别花时间，这层已经没有前途
thread、block、grid怎么组织，kernel怎么launch，显存怎么拷贝。这一层的东西，AI现在已经写得比大多数教程熟练，把它当学习目标没有任何意义。
知乎那个954赞的回答话说得难听，核心意思其实没错：CUDA本质是软件，软件生态过去靠人月堆出来才难替代，现在AI把写软件变成可以持续自动迭代的大任务，"重写一套生态"正在从十年工程变成一个项目。这个立场有激进的地方，但方向上，API记忆的稀缺价值已经归零，这一点两边阵营没人反对。
第二层：算子实现与调优层——还得练，但练法要换
GEMM、FlashAttention、softmax、sampling，这层是现在算子岗面试的主战场，也恰恰是AI刚刚在竞赛里打赢人类的那一层。
对KDA的成绩要冷静看两点：第一，这是团队自报，开源kernel是"以供验证"，第三方复核还没走完；第二，社区对AI写kernel是有前科警惕的——年初字节那篇CUDA Agent的论文，知乎高赞评论直接嘲讽"全是调包pytorch的"。知乎
但即便如此，这层依然值得练。两个原因：
一是就业市场还在考这个。前腾讯优图的算法工程师5月开了个叫vitamin-cuda的项目，自称"算子开发指北/面试刷题指南"，170多个kernel按easy、medium、hard排好，全部带PyTorch绑定可以直接跑测试，拿到700多收藏。知乎这个项目的存在本身就说明：备考算子岗的人依然不少，公司也依然在拿手撕kernel筛人。
二是AI会写，但得有人看得懂它写的东西。7月那篇《想入门AI Infra，我为什么建议先写一个CUDA算子》说得很透：没有算子、显存访问、benchmark的基本体感，去看vLLM源码只会"看懂流程，看不懂为什么慢"。知乎
只是练法得变：别再像前两年那样闷头刷题。先自己写一个kernel，再让AI写一个，两个放一起benchmark，用ncu看性能差距出在哪。知乎上还有个叫cuda-optimized-skill的项目，干脆把"AI自动打磨CUDA算子"做成了工具。知乎能把AI当陪练的人，进步速度会比闷头刷题快一大截。
第三层：性能直觉和问题定义层——现在最增值的一层
你的kernel卡在算力还是带宽，Roofline一眼要能看出来；ncu的报告里哪行数字说明occupancy不够；AI生成的kernel快了16%，但正确性、边界条件、shape变化下的稳定性，谁来验收？
这层能力是目前AI最难替代的，也是市场最缺的。vitamin-cuda的作者有句话我印象很深："CUDA编程非常依赖对硬件的理解，不同代、不同型号的GPU上，相同算子的最优策略可能完全不一样。"这种贴着硬件做判断的能力，正是AI还需要人来掌舵的部分。
有人可能觉得第三层离自己太远——其实不是。第三层是学法，不是阶段。从写第一个kernel就问"它为什么是这个速度"，就是第三层的学法；写十个kernel只记十个模板，那还是第一层的学法。知乎"如何学习CUDA编程"下面95赞的回答只推了一本书——PMPP第四版，理由就是这本书"结合实际例子告诉你怎么用，以及为什么"。知乎
还有一个变化：你的下一个雇主，未必是NVIDIA
今年学CUDA的人不能忽视另一件事：需求端在变。
一边是国产生态开始落地。四小龙补齐上市只是资本市场的信号，跟工程师真正相关的是国产GPU的推理业务开始有真收入了。更关键的是，Triton正在变成各家芯片的"普通话"：FlagTree这类统一编译器把多后端支持做成核心，各家芯片厂商接入Triton生态，已经是绕不开的架构决策。知乎3月还有人在昇腾910B上用Triton写了个BMM算子，比CANN原生算子快约27%。知乎这意味着什么？你用CUDA学到的算子思维——切分、访存合并、流水线——跨厂商是通用的；反过来，只背CUDA API，可迁移性反而最差。
另一边，NVIDIA自己也在变。8月31日，英伟达宣布认购联发科35亿美元可转债，占这次发行总额的近九成，是它迄今在美国以外地区最大的一笔直接投资，双方要共建从边缘到云的平台。界面新闻
资本市场的反应很直接：9月1日，联发科台股股价暴涨近10%，触及单日涨停限制。界面新闻从卖卡到组生态、定标准，NVIDIA的护城河没有消失，只是换了形状——这反而说明，贴着这套生态的性能工程能力，短期仍然是硬通货。
三类人，三条路线
最后给可执行的路线：
学生或零基础入门：主线是PMPP第四版 + NVIDIA官方cuda-samples + B站刚搬运的约翰霍普金斯大学GPU编程课（中英双语，9月3日更新）。哔哩哔哩目标是手写vector add、reduce、softmax，并和PyTorch的结果做benchmark对比。环境门槛也降了：Ubuntu 26.04 LTS原生集成CUDA，不用再折腾半天驱动。知乎
想转AI Infra的算法工程师：别直接啃vLLM。从最小算子写起，按softmax、layernorm、GEMV、flash attention的顺序，用vitamin-cuda或LeetCUDA当题库。可以先用Triton快速上手出活，再回头补CUDA C++和硬件细节。面试的验收标准很朴素：你写过的每个kernel，能不能一句话说清楚优化了什么。
在国产卡环境工作、公司有适配需求的：主攻Triton，盯目标厂商的后端（昇腾、摩尔线程、燧原都在接），CUDA原理当底座。推理是国产卡现在的主战场，算子优化经验在这里直接决定部署效果。
硬件上别乱花钱
学CUDA不需要5090。vitamin-cuda的作者整套LLM推理算子刷题，跑在一张RTX 5060上，还顺手做了sm120架构特化的优化。零基础入门，一张sm80时代的老卡（二手30系就行）或者直接上云、用PyTorch官方镜像，就够把前两层练完；等真要碰Hopper、Blackwell的特有特性（TMA、wgmma），再考虑更贵的卡。花小几千把刷题链跑通，比一上来三万块买旗舰的性价比高得多。
接下来值得盯的信号
一是KDA v0.5开源kernel的第三方验证结果——如果站得住，第二层的"人类及格线"还会继续上移；二是DeepSeek V4的发布节奏和"去CUDA化"的具体形态，这直接影响国产生态岗位的数量；三是Triton多后端的演进，尤其国产卡后端的成熟度；四是燧原上市后的首份财报，验证国产GPU推理收入这个逻辑。
CUDA没有凉，只是值得学的内容整体上移了一层。对学法对的人来说，2026年9月反而是个不错的入场时机：竞争对手在减少，陪练工具在变强，而路线从来没有现在这么清楚过。
