NVIDIA在AI芯片领域的地位，并非单纯依靠硬件优势所稳固，其核心竞争力在于其构建的CUDA生态系统。尽管面临美国对中国的半导体出口限制，NVIDIA的高端AI芯片无法直接在中国大陆销售，但其产品依然是中国市场上最受欢迎的选择。这一现象背后，NVIDIA的GPGPU架构与CUDA生态发挥了关键作用。
与此同时，华为推出了专为神经网络设计的CANN异构计算架构，意在挑战NVIDIA的地位。然而，与CUDA生态相比，CANN在生态系统和开发者支持方面仍显不足。据The Information的一份报告显示，华为在提升AI芯片市场份额的过程中，面临的一大挑战便是CANN软件平台未能获得行业的广泛认可，其影响力远不及CUDA。
CUDA对程序开发人员而言，是一种极为友好的高级编程语言。开发者在使用CUDA时，能够专注于程序和算法的核心逻辑，而不必深入了解GPU等硬件的具体执行细节，从而极大地降低了开发难度。这一特性使得CUDA在AI芯片开发领域备受青睐。
NVIDIA针对AI应用推出的GPGPU，结合CUDA软件编程框架，展现了极高的编程灵活性和适应性。GPGPU不仅能够处理图形渲染等传统任务，还能胜任科学计算和深度学习等复杂任务。这种多功能性使得GPGPU在AI芯片市场上占据了重要地位。
相比之下，华为的昇腾AI芯片虽然针对深度学习推理和训练进行了优化，作为ASIC芯片在特定任务上表现出色，但在处理图形渲染、并行计算等通用任务时，其效率和灵活性不及GPGPU。为了改变这一局面，华为正考虑调整其AI芯片设计策略，从ASIC转向GPGPU。
据透露，华为新的AI芯片将采用GPGPU架构，并配备全新的软件。这款软件将使得用户能够通过中间件，以兼容的CUDA编程语言进行开发。同时，该软件还能将CUDA指令转换为适用于华为AI芯片的语言。这一举措有望拓宽华为AI芯片的应用范围，进而提升其在中国AI芯片市场的份额。
