DeepSeek 並未使用 Nvidia 的 CUDA 編寫，而是以 PTX 編寫 ，很多人都以為CUDA要完了，但，要理解Parallel Thread Execution (PTX) 和 CUDA 的區別，我們需要先從它們的基本定位開始說起。首先，一定要說，不論CUDA，或者PTX，其實，都是 Nvidia 。
基本定位不同
CUDA (Compute Unified Device Architecture) 是NVIDIA開發的並行計算平台和程式設計模型，它提供了一個高階的程式開發環境，讓程式設計師能夠利用GPU進行通用計算。
而PTX ISA (Parallel Thread Execution Instruction Set Architecture) 則是一種中間層的虛擬機器和指令集架構，它是CUDA程式編譯過程中的一個重要環節。
應用層次的差異
CUDA:
- 提供高階程式設計介面
- 包含了完整的開發工具鏈
- 支援多種程式語言，如C++、Python等
- 提供豐富的庫函數和API
PTX ISA:
- 作為中間碼存在
- 更接近機器語言層面
- 提供底層指令集定義
- 主要服務於編譯器
實際運作方式
當開發者用CUDA寫程式時，編譯過程是這樣的：
- CUDA程式碼 → PTX代碼
- PTX代碼 → 設備特定的機器碼
- 最終在GPU上執行
這就像高階語言→組合語言→機器碼的關係。PTX在這個過程中扮演著”虛擬組合語言”的角色。
主要功能特點
CUDA的特點：
- 提供線程層級的並行性
- 記憶體層級管理
- 同步機制
- 錯誤處理
- 調試工具
PTX ISA的特點：
- 定義基本運算指令
- 記憶體存取指令
- 控制流指令
- 原子操作指令
使用場景
CUDA適合：
- 開發完整的GPU計算應用
- 實現複雜的並行算法
- 需要高效能計算的科學計算
- 深度學習框架開發
PTX ISA適用於：
- 編譯器開發
- 效能優化
- 底層驅動開發
- 硬體相關的特定優化
開發難度比較
CUDA：
- 較容易上手
- 有完整的文檔和社群支援
- 提供多種調試工具
- 開發效率高
PTX ISA：
- 需要深入的硬體知識
- 學習曲線較陡
- 開發時間較長
- 需要更多的測試驗證
效能考量
雖然PTX ISA層級的程式設計理論上能獲得更好的效能，但實際上：
- CUDA編譯器已經非常成熟
- 自動優化效果很好
- 手寫PTX很難超過CUDA編譯器的優化效果
未來發展趨勢
CUDA正在向以下方向發展：
- 更好的AI和機器學習支援
- 更完善的跨平台能力
- 更強的自動優化能力
PTX ISA則在：
- 支援新的硬體特性
- 優化指令集設計
- 提升執行效率
結論
對於大多數開發者來說，直接使用CUDA進行開發是最佳選擇。PTX ISA的知識對於理解GPU運作機制很有幫助，但除非有特殊需求，否則不需要直接在PTX層級進行程式設計。
參考資料：
