對于 x86、Arm、MISC 和 RISC-V 等處理器架構(gòu)都有深入研究的傳奇處理器架構(gòu)師Jim Keller批評了被外界認(rèn)為是英偉達(dá)（NVIDIA）“護(hù)城河”的 CUDA架構(gòu)和軟件堆棧，并將其比作x86，稱之為“沼澤”。

他指出，就連英偉達(dá)本身也有多個專用軟件包，出于性能原因，這些軟件包依賴于開源框架。 

“CUDA 是沼澤，而不是護(hù)城河，”凱勒在 X 帖子中寫道。“x86 也是一片沼澤。[…] CUDA 并不漂亮。它是通過一次堆積一件東西來構(gòu)建的。” 

確實，就像x86一樣，CUDA在保持軟件和硬件向后兼容性的同時逐漸增加了功能。

這使得英偉達(dá)的平臺完整且向后兼容，但它影響了性能并使程序開發(fā)變得更加困難。

同時，很多開源軟件開發(fā)框架可以比CUDA更高效地使用。 

“基本上沒有人編寫 CUDA，”Jim Keller在后續(xù)帖子中寫道。“如果你確實編寫 CUDA，它可能不會很快。[...] Triton、Tensor RT、Neon 和 Mojo 的存在是有充分理由的。” 

甚至NVIDIA本身也有不完全依賴 CUDA 的工具。

例如，Triton Inference Server 是 NVIDIA 的一款開源工具，可簡化 AI 模型的大規(guī)模部署，支持 TensorFlow、PyTorch 和 ONNX 等框架。

Triton 還提供模型版本控制、多模型服務(wù)和并發(fā)模型執(zhí)行等功能，以優(yōu)化 GPU 和 CPU 資源的利用率。 

NVIDIA的TensorRT是一種高性能深度學(xué)習(xí)推理優(yōu)化器和運(yùn)行時庫，可加速NVIDIA GPU上的深度學(xué)習(xí)推理。

TensorRT 從各種框架（例如 TensorFlow 和 PyTorch）中獲取經(jīng)過訓(xùn)練的模型，并對其進(jìn)行優(yōu)化以進(jìn)行部署，從而減少延遲并提高圖像分類、對象檢測和自然語言處理等實時應(yīng)用程序的吞吐量。 

但是，盡管像Arm、CUDA 和x86這樣的架構(gòu)可能會被認(rèn)為是“沼澤”，因為它們的演進(jìn)速度相對較慢、必須向后兼容并且體積龐大，但這些平臺也不像GPGPU這樣分散，這可能根本不是一件壞事。  

目前尚不清楚 Jim Keller 對 AMD 的ROCm和英特爾的OneAPI有何看法，但很明顯，盡管他花了很多年時間設(shè)計 x86 架構(gòu)，但他并不迷戀其未來前景。

他的言論還暗示，盡管他曾在世界上一些最大的芯片制造商工作過一段時間，包括蘋果、英特爾、AMD、博通（現(xiàn)在是Tenstorrent）等公司，但我們可能不會在NVIDIA的名單上看到他的名字。