GPU内核编程

Mojo 是 Modular 推出的编程语言，语法接近 Python 并提供内存安全、类型系统与编译期元编程能力。开发者可用同一门语言编写 CPU 与 GPU 内核，无需 CUDA 或额外 DSL，并可直接导入 Python 库、把性能关键路径逐步迁移到 Mojo，覆盖从数据中心到边缘、从 CPU 到 NPU 的多层计算系统开发。

vgpu 是 Vercel 开源并用于构建 vercel.com 着色器的 TypeScript WebGPU 库。它将 .wgsl 文件当作可导入导出的 TS 模块处理，通过反射自动保持绑定与布局一致。库提供单一 Gpu 上下文，同一套 API 可在浏览器、Dawn 无头 Node.js 与确定性 CI mock 三套运行时中运行。完整全屏效果 gzip 后仅 25 KB，体积预算由 CI 强制。库还提供 CLI、llms.txt 与 agent 技能，适合 WebGPU 着色器、3D 场景与 GPU 张量计算。

AMD ROCm 是 AMD 的开源 GPU 计算开放软件平台，提供编译器、运行时和数学/稀疏/通信库等完整生态，支持 AI、HPC 及领域特定负载，针对 Instinct、Radeon、Ryzen AI 平台优化。ROCm 包含 HIP 运行时、性能分析与调试工具，并通过 PyTorch、JAX、vLLM、SGLang、MIGraphX、ONNX Runtime 等框架支持深度学习训练与 AI 推理，同时提供 ROCm.AI（含 Hyperloom 自主智能体、AMD Skills 技能库与 ROCm CLI）。

CUDA Toolkit 是 NVIDIA 官方提供的 GPU 并行应用开发环境，包含 GPU 加速库、调试与优化工具、C/C++ 编译器及运行时库，可在嵌入式、工作站、数据中心、云与超算上开发和部署 GPU 加速应用。13.4 版本新增 Windows on Arm 生态支持，并加入对 NVIDIA Rubin 架构的开发者支持，为 10 月上市的 RTX Spark Arm 笔记本本地 AI 应用开发做准备。

CUDA-for-AMD-Windows 是围绕 ZLUDA 与 AMD HIP/ROCm 构建的可复现 Windows CUDA 兼容环境，经 cuBLAS、cuSPARSE、cuFFT 等库映射，让面向 CUDA 的 Windows 计算应用（含 CUDA 版 LibTorch 训练与推理）在 AMD Radeon GPU 上运行。提供 PowerShell 安装与诊断脚本，采用 ZLUDA v6-preview.69 与 HIP SDK 6.4，目前仅在 RX 9060 XT 验证。

cuda-oxide 是 NVIDIA NVlabs 开源的实验性 Rust-to-CUDA 编译器，作为自定义 rustc codegen 后端，将 #[kernel] Rust 函数经 MIR、Pliron、LLVM 编译为 PTX，无需 DSL 或外部绑定。支持主机与设备代码单源编译，借助所有权机制在编译期拒绝别名错误，目前为早期 alpha。

cutile-rs（cuTile Rust）是 NVIDIA NVlabs 开源的 Tile 级 GPU 内核编程系统，让开发者用 Rust 编写内存安全、无数据竞争的内核。#[cutile::module] 宏将内核 AST 嵌入主机二进制，首次启动时经 CUDA Tile IR JIT 编译为 cubin，支持同步/异步启动与 CUDA Graph 重放，运行于稳定 Rust 1.89+。

T-Head SAIL 是阿里平头哥为其真武系列 AI 芯片打造的自研 AI 软件栈，已正式开源。软件栈由 Driver 与 Runtime 层、编程语言层、编译器层、高性能库层、开发者工具层五层组成，全面适配 PyTorch、TensorFlow、vLLM、SGLang 等 260 余个主流训练与推理框架，主流模型即开即用。平头哥开发者社区同步上线，提供全栈技术文档、SDK 软件包、内核驱动、性能分析和调试工具下载。

CUDA Agent 是字节跳动 Seed 与清华大学 AIR 提出的开源研究系统，通过数据合成、技能增强的 CUDA 开发环境与强化学习算法，训练大语言模型生成高性能 CUDA 内核。在 KernelBench 的 Level-1/2/3 上达到 100%/100%/92% 快于 torch.compile，Level-3 上比 Claude Opus 4.5 和 Gemini 3 Pro 高出约 40%。公开 CUDA-Agent-Ops-6K 数据集与 SKILL.md，但训练好的智能体与权重尚未发布。