NVIDIA 发布 CUDA Toolkit 13.4。这一版本最受关注的变化是把 CUDA 应用的支持范围扩展到 Windows on Arm——此前 CUDA 在 Arm 平台主要通过 Linux 提供支持。
版本还以预览方式加入 NVIDIA Rubin 架构（计算能力 107）的功能支持，开发者可以在 Rubin 的 CUDA 支持正式提供之前先行移植应用；nvcc 新增 SM_107 编译目标，宿主编译器兼容范围扩展到 GCC 16 与 Clang 22。
共享 GPU 的管理能力同步升级。多进程服务 MPS 进入 V3，提供可脚本化的命令行、命名服务实例与命名空间，并支持 TOML 配置、SM 分区控制与基于 cgroup 的显存限制，便于在容器化环境中按程序定义算力、显存边界与执行优先级。
新增的 CUDA Compute Fabric Transport（CFT）以传输为中心组织数据移动：软件用端点 ID 加偏移定位命名逻辑端点，直接从 GPU 发起异步 put、get 与归约操作，减少大规模多 GPU 系统中的虚拟地址压力，支持单播与组播，并回报完成与错误状态以便重试或改道。CFT 仅通过 CUDA Driver API 提供，面向通信库开发者，多数应用仍建议使用 NCCL 或 NVSHMEM。
内存与平台侧还有几处变化：13.4 开放局部域（locality domain）的编程访问，可把显存分配与 green context 的 SM 资源放在同一局部域，改善多局部域设备上的数据局部性；新增统一内存位置查询 API，帮助库和运行时判断数据当前驻留在哪里；在 Grace Hopper、Grace Blackwell 与 Vera Rubin 等一致性平台上，驱动默认改用 CDMM 内存管理而非 NUMA。此外，CUDA SDK 安装包不再捆绑 NVIDIA 驱动，驱动与工具包需分别安装。
Python 与工具链方面，继 CUDA Python 1.0 之后，cuda.core 1.1.0 扩展了纹理与表面编程、托管内存控制与 CUDA Graph 集成，并补齐面向开发工具的类型信息。完整的变更清单可在 CUDA Toolkit 发行说明中查阅。
WeChat
Profile