NVIDIA 开源 DOCA GPUNetIO：把 GPU 发起网络统一到一套 GDA-KI 底座 NEWS DETAIL

NVIDIA 已将 DOCA GPUNetIO 的 Verbs 子集开源，并把此前分散在 NCCL、NVSHMEM、UCX/NIXL 等库中的 GPU 发起网络（GDA-KI）实现收拢到同一套底座上。CUDA 内核可以直接驱动以太网、RDMA、Verbs 与 DMA 操作，CPU 退出应用关键路径。

编程模型分为两段。CPU 控制路径负责初始化设备、创建 DOCA Verbs、Ethernet、DMA、CommChannel 传输对象，并把网络队列的描述符导出到 GPU 显存；随后 GPU 数据路径由 CUDA 内核投递 WQE、敲响 doorbell、轮询 CQE 完成收发。高层 API 把线程、warp、block 级的同步与 doorbell 合并成线程安全的组合操作，低层 API 则保留对 WQE 与完成队列的完全控制。

通知网卡的方式有三种：常规 doorbell 把网卡寄存器 MMIO 映射进 CUDA 地址空间；BlueFlame 把整个 WQE 写入寄存器，适合队列数量少、延迟敏感的场景；CPU 辅助 doorbell 面向没有 GPU 直连网卡的系统，例如 DGX Spark，由 GPU 写共享内存、CPU 线程代为敲门。

开源版与 SDK 版不是两套分叉。开源仓库聚焦 RDMA Verbs，DOCA SDK 版是超集，提供更完整的 RDMA、以太网与 DMA 能力。开源实现可在运行时探测 SDK 是否存在，并通过 dlopen 调用选定的闭源函数；SDK 缺失时仍可独立运行，两个版本向设备侧暴露的 CUDA API 保持一致。

生态已经开始收口。NCCL 自 2.27 起把开源 GPUNetIO Verbs 路径作为 GIN（GPU-Initiated Networking）后端，2.29 版本的 Reduce-Scatter 在 4KB 到 16GB 消息区间相对传统 CPU 通信路径获得加速；NVSHMEM 3.7 新增 GPUNetIO transport，功能与性能对齐 IBGDA，但传输层实现复杂度显著下降，在两节点 B300 加 ConnectX-8、Spectrum-X 的实测中，小消息下的带宽随 CTA 与 QP 数量扩展更充分。Aerial 5G SDK、UCX/NIXL、Holoscan Sensor Bridge 与 DeepEP/HybridEP 也在同一底座之上。

延迟敏感场景的直接收益来自 NVQLink。Holoscan Sensor Bridge 2.7.0 的 GPU RoCE Transceiver 算子基于 GPUNetIO 与 DOCA Verbs 构建，常驻 CUDA 内核收到报文后原路回送、全程不经 CPU。在 IGX Thor（Blackwell GPU 加 ConnectX-7）与 Xilinx RFSoC 4×2 FPGA 背靠背的测试中，最小往返延迟约 2.6 微秒，中位延迟 2.7 微秒。