我們今天以 GPU 架構工程史為主線，用 NVIDIA / AMD 過去 25 年真實發(fā)生過的架構選擇，去一一映射、類比摩爾線程與沐曦今天所走的路線。

你會看到： 摩爾線程像 NVIDIA 的“前 CUDA 時代 + 早 CUDA 時代疊加體” 沐曦更像 AMD 在 CDNA / Instinct 路線上的工程化階段

歷史公司

歷史階段

核心特征

中國對應

NVIDIA

GeForce → Tesla → CUDA 初期

圖形 + 計算統(tǒng)一

摩爾線程

NVIDIA

Fermi → Kepler → Volta

軟件生態(tài)驅(qū)動

摩爾線程的目標態(tài)

AMD

GCN → CDNA

計算優(yōu)先、弱圖形

沐曦

AMD

Instinct MI 系列

AI/HPC 系統(tǒng)工程

沐曦 二、NVIDIA 的“原罪級難題”：為什么 GPU 一定要通用？ 1、NVIDIA 早期（1999–2006）：圖形是 GPU 的“合法身份”

在 GeForce 256 到 GeForce 7 時代：

• GPU 本質(zhì)是 固定功能圖形流水線

• Programmability 極弱

• 每個 stage（VS / PS）高度定制

但 NVIDIA 內(nèi)部已經(jīng)意識到一件事：

真正的長期價值不是畫圖，而是并行計算能力。

CUDA 的誕生，本質(zhì)上解決了三個工程問題：

1. 統(tǒng)一執(zhí)行模型（SIMT）

2. 統(tǒng)一內(nèi)存模型

3. 統(tǒng)一軟件抽象

這一步的代價是：

• 架構復雜度指數(shù)級上升

• 編譯器、驅(qū)動、工具鏈長期不可用

• 早期性能極不穩(wěn)定

如果 NVIDIA 在 2008 年上市，你會在招股書里看到： 持續(xù)虧損 研發(fā)費用率極高 軟件生態(tài)尚不成熟 ——這和摩爾線程今天幾乎一模一樣

摩爾線程在文件中明確：

• 全功能 GPU

• 單芯片支持：

• • AI

  • 圖形

  • HPC

  • 視頻

這與 NVIDIA 的路徑幾乎一致：

NVIDIA

摩爾線程

圖形起家

圖形 + 計算并行

統(tǒng)一架構

統(tǒng)一 GPU 架構

CUDA

MUSA 軟件棧

對工程師而言，這意味著：

• Warp / Wavefront 調(diào)度極難

• 前端壓力巨大

• 功能單元復用復雜

• Verification 成本極高

這是 GPU 工程中最重的負擔，沒有之一。

2、軟件生態(tài)：NVIDIA 用了 10 年，摩爾線程才剛開始

CUDA 真正成熟是在：

• Kepler（2012）

• Volta（2017）

在此之前：

• Kernel 性能波動巨大

• Debug 極其痛苦

• 第三方支持稀缺

摩爾線程當前所處階段，對應的正是：

NVIDIA 在 Tesla C1060 / Fermi 初期的狀態(tài)

這也是為什么摩爾線程在問詢函中被反復追問：

• 驅(qū)動穩(wěn)定性

• 生態(tài)成熟度

• 商業(yè)化節(jié)奏

AMD 在 GCN（2011）時代，試圖：

• 同時服務圖形 + 計算

• Wavefront 64

• 高吞吐、低控制復雜度

結(jié)果是：

• 圖形競爭不過 NVIDIA

• 軟件生態(tài)始終弱勢

最終 AMD 做出一個極其工程理性的決定：

圖形 GPU（RDNA）與計算 GPU（CDNA）徹底分家

從 MI50 / MI100 / MI250 開始：

• 無圖形 pipeline

• 極致算力密度

• 強調(diào)系統(tǒng)級性能

• ROCm 專注計算

這條路線的工程邏輯是：

• 放棄通用性

• 換取交付確定性

• 犧牲生態(tài)廣度，換工程可控性

沐曦的產(chǎn)品特征：

• 訓推一體

• 高算力密度

• AI-first 架構

• 不追求完整圖形

這與 AMD Instinct 系列幾乎是同一工程哲學：

AMD Instinct

沐曦

無圖形

無圖形

AI/HPC 優(yōu)先

AI 優(yōu)先

系統(tǒng)工程

系統(tǒng)工程

客戶定制

客戶導向

2、軟件策略的相似性

AMD 的 ROCm 長期策略是：

• 覆蓋主流模型

• 優(yōu)先滿足大客戶

• 不追求“全生態(tài)”

沐曦的軟件路線幾乎一致：

• 優(yōu)先跑模型

• 優(yōu)先交付集群

• 軟件服務于工程交付

NVIDIA

• 成為通用算力入口

• 生態(tài)驅(qū)動增長

• 軟件定義硬件

但前提是：

• 能熬過 5–10 年

• 軟件棧持續(xù)進化

• 架構不崩盤

AMD Instinct + 部分 NVIDIA 數(shù)據(jù)中心業(yè)務

• 成為 AI/HPC 核心供應商

• 工程交付導向

• 深度綁定智算中心

但上限是：

• 更難成為“生態(tài)標準”

• 更依賴算力投資周期

NVIDIA 贏，不是因為它一開始比 AMD 聰明， 而是因為它賭對了“通用性 + 軟件生態(tài)”。

AMD 沒輸在工程能力，而是輸在路徑選擇的時代錯位。

今天：

• 摩爾線程在重復 NVIDIA 最痛苦、也最偉大的那段路

• 沐曦在走 AMD 最理性、也最穩(wěn)健的工程路線

這不是誰對誰錯的問題，而是你相信哪一種工程哲學，最終會在中國成立。

歡迎加入行業(yè)交流群，備注崗位+公司，請聯(lián)系老虎說芯（加V：tigerchip）