Mise à jour NVIDIA CUDA 13.2 : Dernières nouvelles CUDA aujourd'hui (GPU Ampere et Ada)

Iris Coleman 29 mars 2026 23h00

CUDA 13.2 étend la programmation GPU basée sur les tuiles aux architectures plus anciennes, ajoute des outils de profilage Python et offre jusqu'à 5 fois plus de rapidité avec les nouveaux algorithmes Top-K.

Dernières nouvelles CUDA aujourd'hui : NVIDIA élargit l'écosystème CUDA

Nouvelles CUDA aujourd'hui : Points clés

NVIDIA élargit l'accès CUDA aux Plateformes tierces, marquant une étape majeure pour rendre son écosystème de calcul GPU plus accessible aux développeurs du monde entier.

• CUDA est désormais disponible sur davantage de Plateformes tierces
• Expansion de l'écosystème CUDA au-delà des environnements traditionnels
• Accessibilité accrue pour les développeurs et les entreprises
• Support renforcé pour le Cloud computing et le calcul distribué

Ce que cela signifie pour les Développeurs et les entreprises d'IA

L'expansion de CUDA aux Plateformes tierces abaisse la barrière à l'entrée pour les développeurs et les entreprises. Elle permet des options de déploiement plus flexibles et réduit la dépendance à des environnements matériels spécifiques.

Les principaux avantages comprennent :

• Déploiement plus facile des applications d'IA sur différentes plateformes
• Limitations d'infrastructure réduites pour les startups et les entreprises
• Plus grande flexibilité dans les environnements cloud et hybrides
• Innovation plus rapide dans les applications pilotées par l'IA et alimentées par GPU

Cette décision devrait accélérer l'adoption de CUDA dans plusieurs secteurs.

La version CUDA 13.2 de NVIDIA étend son modèle de programmation basé sur les tuiles aux architectures Ampere et Ada, apportant ce que la société appelle sa plus grande Mise à niveau de plateforme en deux décennies à une base matérielle considérablement plus large. La mise à jour introduit également des capacités natives de profilage Python et de nouveaux algorithmes offrant jusqu'à 5 fois plus d'améliorations de performances pour des charges de travail spécifiques.

Auparavant limité aux GPU de classe Blackwell, CUDA Tile prend désormais en charge les architectures avec capacité de calcul 8.X (Ampere et Ada), aux côtés du support existant 10.X et 12.X. NVIDIA a indiqué qu'une future version du toolkit étendra le support complet à toutes les architectures GPU à partir d'Ampere, couvrant potentiellement des millions de GPU professionnels et grand public déployés.

Python bénéficie d'un traitement de première classe

La version élargit considérablement l'outillage Python. cuTile Python, l'implémentation DSL du modèle de programmation par tuiles de NVIDIA, prend désormais en charge les fonctions récursives, les fermetures avec capture, les fonctions lambda et les opérations de réduction personnalisées. L'installation a été simplifiée à une seule commande pip qui extrait toutes les dépendances sans nécessiter une installation CUDA Toolkit à l'échelle du système.

Une nouvelle interface de profilage appelée Nsight Python apporte le profilage de noyau directement aux développeurs Python. En utilisant des décorateurs, les développeurs peuvent automatiquement configurer, profiler et tracer des comparaisons de performances de noyaux sur plusieurs configurations. L'outil expose les données de performance via des structures de données Python standard pour une analyse personnalisée.

Peut-être plus significatif pour les flux de débogage : les noyaux Numba-CUDA peuvent désormais être débogués sur du matériel GPU réel pour la première fois. Les développeurs peuvent définir des points d'arrêt, parcourir les instructions et inspecter l'état du programme en utilisant CUDA-GDB ou Nsight Visual Studio Code Edition.

Gains de performance des algorithmes

La version CUDA Core Compute Libraries (CCCL) 3.2 introduit plusieurs algorithmes optimisés. Le nouveau cub::DeviceTopK offre jusqu'à 5 fois plus de rapidité par rapport au tri radix complet lors de la sélection des K plus grands ou plus petits éléments d'un ensemble de données—une opération courante dans les systèmes de recommandation et les applications de recherche.

La réduction segmentée de taille fixe montre des améliorations encore plus spectaculaires : jusqu'à 66 fois plus rapide pour les petites tailles de segments et 14 fois pour les grands segments par rapport à l'implémentation existante basée sur les décalages. La bibliothèque cuSOLVER ajoute des calculs émulés FP64 qui exploitent le débit INT8, atteignant jusqu'à 2 fois plus de gains de performances pour la factorisation QR sur les systèmes B200 lorsque les tailles de matrices approchent 80 K.

Mises à jour d'entreprise et embarquées

Les pilotes de calcul Windows sont désormais configurés par défaut sur MCDM au lieu du mode TCC à partir de la version de pilote R595. Ce changement résout les problèmes de compatibilité où certains systèmes affichaient des erreurs au démarrage. MCDM active le support WSL2, la compatibilité native des conteneurs et les API de gestion de mémoire avancées précédemment réservées au mode WDDM. NVIDIA a reconnu que MCDM a actuellement une latence de soumission légèrement plus élevée que TCC et travaille à combler cet écart.

Pour les systèmes embarqués, le même Arm SBSA CUDA Toolkit fonctionne désormais sur toutes les cibles Arm, y compris les appareils Jetson Orin. Jetson Thor gagne le support Multi-Instance GPU, permettant au GPU intégré d'être partitionné en deux instances isolées—utile pour les applications de robotique qui doivent séparer le contrôle moteur critique pour la sécurité des charges de travail de perception plus lourdes.

Le toolkit est disponible maintenant via le portail développeur de NVIDIA. Les développeurs utilisant des GPU Ampere, Ada ou Blackwell peuvent accéder au guide de démarrage rapide cuTile Python pour commencer à expérimenter la programmation basée sur les tuiles.

Expansion de l'écosystème CUDA expliquée

CUDA est depuis longtemps une pierre angulaire de la stratégie de calcul GPU de NVIDIA. En étendant sa disponibilité aux Plateformes tierces, NVIDIA renforce son écosystème et consolide sa position sur le marché de l'IA et du calcul haute performance.

Cette expansion permet aux développeurs d'exploiter CUDA dans davantage d'environnements, en faisant une plateforme plus polyvalente et largement adoptée.

Elle reflète également une tendance plus large de l'industrie vers des écosystèmes informatiques ouverts et flexibles.

Actualités et mises à jour CUDA connexes

Pour plus de mises à jour sur les développements CUDA, consultez les dernières nouvelles :

• NVIDIA CUDA 13.2 étend la programmation par tuiles pour les GPU Ampere et Ada

Restez à l'écoute pour plus de nouvelles CUDA aujourd'hui alors que NVIDIA continue d'étendre ses capacités de calcul GPU.

FAQ : Nouvelles CUDA aujourd'hui

Quelle est la dernière version de CUDA aujourd'hui ?

La dernière version de CUDA est CUDA 13.2, qui introduit des améliorations dans la programmation par tuiles et l'efficacité GPU pour les architectures Ampere et Ada.

Qu'est-ce qui a changé dans CUDA 13.2 ?

CUDA 13.2 ajoute une programmation améliorée basée sur les tuiles, une meilleure Optimisation de la mémoire et un support amélioré pour les charges de travail d'IA et de calcul haute performance.

Quels GPU prennent en charge CUDA 13.2 ?

CUDA 13.2 est optimisé pour les GPU NVIDIA Ampere et Ada, garantissant des performances améliorées et une compatibilité avec le matériel moderne.

CUDA 13.2 est-il bon pour les charges de travail d'IA ?

Oui, CUDA 13.2 améliore considérablement les performances d'IA et d'apprentissage automatique en optimisant l'utilisation du GPU et en réduisant le temps d'entraînement.

À quelle fréquence NVIDIA met-il à jour CUDA ?

NVIDIA met régulièrement à jour CUDA avec de nouvelles fonctionnalités, des améliorations de performances et un support matériel élargi plusieurs fois par an.

Où puis-je télécharger les mises à jour CUDA ?

Vous pouvez télécharger les dernières mises à jour CUDA depuis le site officiel de NVIDIA ou via des plateformes de développeurs qui prennent en charge CUDA.

• nvidia
• cuda
• calcul gpu
• développement ia
• python