CUDA si è aggiornato alla versione 13.1: la piattaforma software di NVIDIA, che sostiene buona parte dell'attuale boom dell'IA, è stata ripensata con un modello più astratto, progettato per ridurre la complessità dello sviluppo e rendere più uniforme il lavoro sulle GPU. Si tratta di un cambiamento tecnico straordinario, ma anche di una rivoluzione strategica: potrebbe infatti cambiare il modo in cui NVIDIA vuole consolidare la propria posizione.
La novità principale è l'introduzione dei CUDA Tile, un approccio che supera il classico modello SIMT per adottare una logica basata su gruppi di calcolo gestiti come entità autonome. Al centro c'è Tile IR, una macchina virtuale che rappresenta la GPU come un processore di tile, semplificando drasticamente la programmazione. Questa scelta permette agli sviluppatori di evitare interventi manuali su memoria condivisa, dimensioni dei blocchi o ottimizzazioni di basso livello. Il compilatore si occupa di tutto, con un codice più astratto e più facile da portare su piattaforme diverse.
CUDA si apre a tutti: fine del monopolio o nuovo inizio?
La mossa di NVIDIA ha attirato reazioni immediate. Jim Keller, figura nota nell'hardware, che ha lavorato in AMD, Apple, Tesla e Intel e oggi guida Tenstorrent, ha interpretato la svolta come un potenziale indebolimento del predominio di NVIDIA. Secondo la sua lettura, l'adozione di un modello tile-based avvicina CUDA a soluzioni come Triton di OpenAI, già pensate per essere usate su più piattaforme. Questo significherebbe una traiettoria più semplice per trasformare codice CUDA in codice compatibile con altre GPU, incluse quelle di AMD, riducendo il lock-in che ha definito il successo di NVIDIA per quasi due decenni.
Guardando però ai rapporti di forza attuali, lo scenario appare più complesso. Aprire a un livello di astrazione più alto non significa necessariamente perdere il controllo dell'ecosistema. Standardizzare la portabilità può infatti trasformarsi nella strategia più efficace per mantenere gli sviluppatori dentro l'orbita CUDA. Se il codice continua a essere scritto con strumenti NVIDIA, anche quando viene eseguito su hardware diverso, la dipendenza resta intatta. L'azienda sembra accettare l'emulazione purché il linguaggio rimanga il proprio, un po' come accaduto a Windows negli anni in cui si è imposto come piattaforma software indipendente dall'hardware di riferimento.
Il settore lavora da tempo a un'alternativa aperta. In Cina, dove la pressione geopolitica ha accelerato lo sviluppo di stack indipendenti, esistono già progetti che emulano CUDA su architetture diverse. Soluzioni come ZLUDA hanno mostrato che il porting è possibile, mentre AMD continua a investire in ROCm, nonostante ritardi e difficoltà di adozione dovuti alla documentazione, alla compatibilità e al supporto delle librerie. Anche Intel con oneAPI tenta di proporre una strada autonoma, ma nessuna di queste piattaforme ha raggiunto la maturità e la diffusione di CUDA.
In questo quadro, l'apertura di NVIDIA sembra avere un obiettivo preciso. Evitare la nascita di uno standard comune sostenuto da più rivali e mantenere la centralità del proprio ecosistema software. Se CUDA diventa il linguaggio universale dell'IA, emulabile ovunque e comunque capace di offrire prestazioni migliori sulle GPU del marchio, l'azienda rafforza la propria posizione senza dover combattere su ogni fronte. L'ottimizzazione nativa continuerà a favorire l'hardware NVIDIA, mentre chi emula dovrà accettare un compromesso in termini di efficienza.
Voi che cosa ne pensate? Diteci la vostra nei commenti qua sotto. Intanto NVIDIA traccia i suoi chip IA: ecco la tecnologia anti contrabbando.
