部分验证65% 置信观点精确时间
VKORE旨在NPU上重建类似CUDA的抽象层，向上提供统一的训练与推理接口，向下适配不同厂商的NPU指令集，使数据中心可以像更换存储或网卡一样更换加速器，而无需重写模型代码，从而打破单一供应商锁定。
3
来源数
65%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证VIDRAFT正在将上述能力整合为一个名为VKORE的NPU软件层，并将其定位类比为Nvidia通过CUDA构建的生态优势，描述为「NPU的CUDA」。80% 相似待验证VIDRAFT正在构建的VKORE软件层目标是成为“NPU领域的CUDA”，覆盖推理加速、完整预训练和LoRA微调三项能力，此次发布的是预训练里程碑的公开验证产物。77% 相似已验证CUDA是NVIDIA的专有平台,需要显式编写kernel函数,学习曲线陡峭但性能潜力最大72% 相似待验证cuML底层使用CUDA C++实现高性能计算核心，在Python层复制scikit-learn的API接口，实现零代码迁移70% 相似待验证PyTorch 通过 ATen 张量库将高层 API 转译为优化的 CUDA kernel，并整合 cuDNN、cuBLAS 等 NVIDIA 优化库70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1017232API
curl https://kongchang.com/api/v1/knowledge/claims/1017232MCP
get_claim(id=1017232)