In a pragmatic move that bridges two historically rivalrous ecosystems, Apple is sponsoring a project to link its MLX machine learning直接到NVIDIA主導的CUDA平台的框架。開源計劃為Apple Silicon上的AI開發工具包MLX增加了CUDA後端。
這使得可以實現強大的新工作流程:開發人員可以在標準MAC上編寫和測試AI應用程序，然後部署相同的代碼以在高性能的NVIDIA GPUS上運行。該策略旨在通過使用消費級Mac進行本地工作來削減開發成本。在AI中根深蒂固的位置。蘋果沒有將MAC定位為開發人員的理想起點，而不管他們的應用最終最終被部署。 Empire
在其核心上，該倡議是為了增強 developer Experience 。該項目的既定目標是允許開發人員“在Mac上本地編寫/測試代碼，然後部署到超級計算機”，創建一個無縫的工作流程。建築和調試複雜模型需要重大迭代，並在可訪問的蘋果矽Mac上允許它，以其有效統一的內存架構是一種策略。 NVIDIA的高性能硬件設置的價格昂貴，通常比頂級規格的MAC多得多倍。通過在自己的硬件上開發開發，蘋果允許組織節省大量資本，降低了初創企業的入境障礙，並降低了大規模企業AI項目的運營成本，然後才需要擴大生產規模。
這一舉動並非沒有先例，儘管有據可查的“不好的血液”
href=“ https://www.forbes.com/sites/marcochiappetta/2018/12/11/apple-turns-isple-turns-ist-back-on-customers-and-customers-and-nvidia-with-nvidia-with-macos-mojave/————–最近，這些公司在機器學習研究中找到了共同點。 In December 2024, Apple published details on how it collaborated with Nvidia to port a speculative decoding method to its GPUs, signaling a pragmatic, business-driven truce in the AI arena. 了解該項目的精確範圍至關重要，因為其限制與其功能一樣重要。 This is a one-way bridge, designed exclusively to export code from an Apple-friendly MLX environment so it will work on Nvidia硬件。 這意味著針對MLX構建的程序可以利用啟用CUDA的芯片，但這並不意味著現有的CUDA本地應用程序的龐大庫可以突然在Apple Silicon上運行。翻譯層僅在一個方向上起作用。 此外，該計劃並未表示物理NVIDIA硬件支持MacOS的返回。用戶不應期望將NVIDIA卡連接到Mac Pro或EGPU圍欄以用於本地ML加速度。 蘋果矽上的技術障礙，例如該體系結構如何處理PCIE設備的內存映射，使外部GPU驅動程序幾乎不可能。該項目純粹是關於軟件和工作流程互操作性的，而不是硬件集成。 在完整的CUDA克隆上，單向橋樑的戰略選擇也對NVIDIA生態系統周圍的合法雷區也表示讚譽。從潛在的專利侵權到復制NVIDIA高度優化，封閉的源庫的純粹複雜性。 通過創建通往CUDA的途徑，而不是為此，蘋果這些合法和技術勢力強大了， 這一發展在激烈的競爭背景下展開。 NVIDIA的CUDA是無可爭議的國王，這是一個專有但深刻整合的軟件和庫生態系統，圍繞其硬件創建強大的Moat。多年來，競爭對手一直在努力提供可行的替代方案。 href=“ https://www.phoronix.com/news/amd-rocm-7.0.0-aligns-with-cuda” target=“ _ black”>開放式ROCM平台 澄清單向街道:該項目不是
庫達的王國和生態系統的戰鬥
這款軍備競賽的強度是可顯下的。 6月，AMD作為NVIDIA下一代Blackwell Platform的直接競爭對手推出了其本能MI350系列。 NVIDIA首席執行官詹森·黃（Jensen Huang）稱布萊克韋爾（Blackwell）的推出是“我們公司歷史上最快的產品坡道，其速度和規模上是前所未有的。 ”
通過啟用通往cuda的道路，蘋果·艾斯特（Apple）艾普（Apple）助於這種直接對抗。它允許MLX框架與行業標準共存而不是徒勞地嘗試更換。這種務實的方法可確保使用Apple工具的開發人員在以Nvidia為主的世界中保持相關性。