CUDA
CUDA（Compute Unified Device Architecture）是NVIDIA推出的并行计算平台和编程模型，允许开发者利用NVIDIA GPU的并行处理能力加速通用计算任务。它提供C/C++等语言的扩展接口，使程序员能够直接调度GPU上的大量并行线程，广泛应用于科学计算、深度学习、图像处理和数据分析等高性能计算领域。
核心事实
时间轴 (近 90 天)
Ollama将CUDA、cuDNN等底层依赖封装在内部，用户无需手动配置GPU环境
许多AI项目底层依赖的Python库、CUDA工具链或第三方组件在处理文件路径时使用ASCII编码，无法正确解析Unicode字符
摩尔线程采用自研的MUSA（Moore Threads Unified System Architecture）架构，试图构建类似NVIDIA CUDA的软硬件生态体系
llama.cpp部署时应选择CUDA 12.4版本而非13.x，因为13.x目前存在已知bug
NVIDIA显卡因CUDA生态支持最为完善而成为Stable Diffusion本地部署的首选
llama.cpp支持Metal、CUDA、Vulkan和SYCL等GPU加速后端
Unsloth团队针对Transformer架构中的注意力计算、矩阵乘法等核心操作手写了专用CUDA内核
Unsloth支持pip安装，配合CUDA环境即可快速启动，官方提供了针对不同模型的微调示例Notebook
Ollama自动识别系统中的NVIDIA GPU并选择最优推理后端（CUDA、Metal或纯CPU），对Apple Silicon用户通过Metal API实现GPU加速
CUDA几乎是所有主流深度学习框架的底层支撑
还有 34 条时间轴事件
全部知识事实 (7)
NVIDIA显卡因CUDA生态支持最为完善而成为Stable Diffusion本地部署的首选
95%待验证Ollama将CUDA、cuDNN等底层依赖封装在内部，用户无需手动配置GPU环境
90%待验证llama.cpp部署时应选择CUDA 12.4版本而非13.x，因为13.x目前存在已知bug
80%已验证CUDA是NVIDIA于2006年推出的并行计算平台和编程模型
80%待验证许多AI项目底层依赖的Python库、CUDA工具链或第三方组件在处理文件路径时使用ASCII编码，无法正确解析Unicode字符
80%已验证CUDA（Compute Unified Device Architecture）是NVIDIA推出的并行计算平台和编程模型
75%待验证摩尔线程采用自研的MUSA（Moore Threads Unified System Architecture）架构，试图构建类似NVIDIA CUDA的软硬件生态体系
60%