Clicked Gallery

¿Qué es CUDA?

Subrayado en un documento técnico real. Explicado por Clicked.

Usado en una frase

Engineering Notes · AI Systems

The lab's entire training pipeline was written in CUDA, which made the choice of hardware automatic.

El lector subrayó una palabra en la documentación. Clicked explicó el término técnico «CUDA» en lenguaje sencillo:

Explicado en tres niveles

Los mismos datos, otro rollo — Modo jerga 😎

El método Clicked

●○○

Overview

CUDA es el software mediante el cual los programadores usan los chips gráficos de Nvidia para computación general, desde simulaciones de física hasta el entrenamiento de modelos de IA, y no para dibujar gráficos. Un programador escribe en un lenguaje corriente como C++ o Python, y CUDA convierte ese programa en trabajo que los miles de núcleos del chip pueden realizar juntos. Nvidia lo lanzó en 2007; la primera tarjeta capaz de ejecutarlo, de 2006, llevaba 128 núcleos. No hace que el chip sea más rápido. Hace que el chip sea alcanzable.
●○○

Overview

CUDA es la razón de que un equipo de videojuegos pueda hacer horas extra como superordenador de laboratorio. El silicio nació para pintar píxeles, y ese mismo talento multiplica números de maravilla, si algo consigue llevarle las cuentas. CUDA es ese transporte. Escribe 40 líneas de aspecto normal y la maquinaria las convierte en 4.000 tareítas ocurriendo simultáneamente. El fabricante regala el kit entero, lo que deja de parecer caridad cuando ves la letra pequeña: todo lo que alguien construye con él aterriza en una sola marca de silicio, y mudarse después significa reconstruir, no hacer las maletas. 😎

Una idea rápida — muchas veces es todo lo que necesitas.

●●○

Detail

CUDA es la plataforma de Nvidia para programar sus chips gráficos: las extensiones de lenguaje, las herramientas y las bibliotecas ya hechas a través de las cuales casi todo el software llega a los miles de núcleos de una GPU. Una GPU recibe su trabajo con una forma concreta, y antes de 2007 la vía práctica de entrada era el software de gráficos, así que otros problemas había que reescribirlos como trabajo gráfico. CUDA dio a los programas generales una vía de entrada directa, y desde entonces el código, las bibliotecas y las personas formadas del campo se han acumulado sobre ella. Aquí hay dos cosas fáciles de confundir. El chip está abierto: otras empresas escriben su propio software para hablar con estas GPU, y funciona. El código no: un programa escrito sobre CUDA se ejecuta en los chips de Nvidia y, en la práctica, en ningún otro sitio. Moverlo significaría reconstruir las bibliotecas de CUDA para los chips de otro fabricante, una cantidad enorme de software que cambia con cada versión y pertenece a Nvidia. Los intentos existen y siguen años por detrás. Una capa de software suele prometer que lo de debajo se puede cambiar, y esa es justo la promesa que CUDA no hace. Así que el trabajo nuevo de IA va donde ya corre el código existente, y elegir el software ha elegido el hardware. De los 500 superordenadores más rápidos del mundo en noviembre de 2024, más de un tercio funcionaban con GPU de Nvidia.
●●○

Detail

CUDA es la mitad de la historia de la IA que se acumula: el software. Pongamos que tu laboratorio tiene 10 años de programas propios, 300.000 líneas, todas escritas sobre CUDA, porque es sobre lo que escribía todo el mundo. Ahora aparece el chip de un competidor, francamente decente. El precio de etiqueta está bien; el precio real es la reescritura: 300.000 líneas recableadas, cada biblioteca cambiada por un clon más joven, todo el mundo reformado, y las máquinas viejas zumbando en el rincón todo el rato. Y hay quien vende rutas de escape, capas de traducción hechas justo para este problema, y los laboratorios en su mayoría se quedan igual. Cifras ilustrativas, aritmética real, y es la aritmética que hace un laboratorio antes de decidir quedarse donde está. Por eso la pelea del silicio de IA no va solo de quién fabrica el chip más rápido. Va también de la montaña de código que el mundo ya ha escrito, y la montaña crece a diario, en una sola dirección. 😎

¿Quieres más? Un clic profundiza.

●●●

Analogy

CUDA es la partitura, y la GPU es la orquesta. Sus 100 músicos están sentados y listos, y ningún compositor recorre la sala diciéndole a cada uno lo que debe hacer; eso llevaría toda la noche y arruinaría la pieza. La partitura es la forma que se dirige a todos a la vez: escrita una sola vez, leída en paralelo, cada músico encontrando su propia línea. Aprender a escribir para orquesta es aprender a escribir en esa forma. Dale a esos mismos 100 músicos un ensayo en prosa y no pasará nada, por brillante que sea el ensayo: los músicos están dispuestos, pero la forma es la equivocada. Eso es CUDA: ni los músicos, ni la música, sino la forma que debe tomar el trabajo para llegar a cien manos a la vez.
●●●

Analogy

CUDA es el sistema de baterías que comparten todas tus herramientas eléctricas. El primer taladro sin cable que compras decide en silencio las diez compras siguientes, porque la sierra, la lijadora y la desbrozadora encajan todas en la misma batería, y ninguna encaja en las herramientas de la otra marca. Las baterías guardan la misma electricidad. Las herramientas hacen los mismos trabajos. Da igual: para la quinta herramienta ya no estás eligiendo herramientas, estás eligiendo quedarte. Cambiar de marca significa volver a comprarlo todo, así que casi nadie lo hace. Eso es CUDA: cada programa escrito para él es otra herramienta en la misma batería. 😎

¿Concepto nuevo? Un ejemplo cotidiano lo hace clic — nuevas analogías cuando quieras.

Las explicaciones de IA pueden contener errores · No es asesoramiento profesional

Definición formal — El mismo término, explicado de la forma habitual

CUDA (Compute Unified Device Architecture) es una plataforma de computación paralela y un modelo de programación presentados por Nvidia en 2007, que comprende soporte de compilación, extensiones de lenguaje para C, C++ y otros lenguajes, software de ejecución y un extenso conjunto de bibliotecas aceleradas. Permite que programas de propósito general se ejecuten a través de los muchos núcleos de las GPU de Nvidia, algo antes posible sobre todo mediante interfaces gráficas. CUDA es propietaria y se ejecuta únicamente en hardware de Nvidia; existen alternativas abiertas como OpenCL y otros fabricantes ofrecen sus propias capas de programación, aunque las bibliotecas acumuladas y la base instalada de CUDA siguen siendo las mayores. La plataforma es de uso gratuito; el hardware al que se dirige, no.

¿Quieres que Clicked te explique términos como «CUDA» directamente en tu navegador, incluso en PDFs?

Añadir a Chrome — Gratis

50 Explicaciones gratis · Sin tarjeta de crédito