CUDA Python 1.0：稳定 API
来自 NVIDIA Developer · 期号 2026-08-25
摘要
NVIDIA 发布了 CUDA Python 1.0，一个稳定的 API，让 Python 开发者可以直接编写和启动 CUDA kernel，无需 C++ 封装或第三方库。它提供了对 CUDA 平台的完整访问，包括流、事件和设备管理，并采用 Python 风格的接口。这一版本标志着从过去的两条路（学 C++ 或用库）转向了一条原生的 Python GPU 编程路径。
深读
导读 CUDA Python 1.0 是 NVIDIA 为 Python 开发者提供的一条原生 GPU 编程路径，标志着 Python 成为与 C++ 平起平坐的 CUDA 平台一等公民。它通过 cuda.core 提供 Python 风格的运行时接口，cuda.compute 暴露 CCCL 并行算法，并承诺语义化版本管理。读完本文，你将理解这套架构如何终结 Python 生态中“要么学 C++、要么用别人库”的两难选择，以及它如何让 CuPy、PyTorch 等库在同一个底层上协作。 关键信息 - cuda.core 1.0.0 将设备、流、缓冲区等 CUDA 基本概念封装为 Python 对象，并支持绿色上下文（GPU SM 分区）、进程检查点和进程间共享（IPC）。 - cuda.compute 1.0.0 将 CCCL 的排序、扫描、规约等并行算法暴露为 Python 可调用的函数，支持用 Python lambda 自定义行为。 - cuda.bindings 13.3.0 提供对 CUDA C API 的 1:1 完整绑定，版本与 CUDA Toolkit 对齐。 - 语义化版本承诺：破坏性 API 变更仅在大版本中发生，弃用 API 会在小版本中提前声明并给出替代路径。 - PyTorch 的 CUDA wheels 已依赖 cuda.bindings，CuPy 在导入模块时获得更简单的构建和更小的体积。 逐节讲解 背景：Python 开发者过去的两条路 文章开篇点明历史困境：Python 开发者要用 GPU，要么学 CUDA C++ 写扩展并维护绑定，要么依赖 PyTorch、CuPy、RAPIDS 等上层库。后者是生态繁荣的原因，但一旦需要库未暴露的功能，就回到第一条路。此外，不同库各自实现 CUDA 绑定，导致在同一个数据上协作（如 CuPy 分配的内存让 cuDF 使用）需要复杂的交换协议和所有权管理。 CUDA Python 1.0 的组成与承诺 CUDA Python 1.0 不是一个单一版本号，而是一个里程碑，包含多个独立版本化的组件： - cuda.core 1.0.0：Python 风格的 CUDA 运行时接口。 - cuda.compute 1.0.0：CCCL 并行算法的 Python 调用入口。 - cuda.bindings 13.3.0：底层 1:1 绑定。 - cuda-pathfinder：定位环境中已安装的 CUDA 组件。 - nvmath-python 1.0：NVIDIA 数学库的 Python 版本。 核心变化是语义化版本承诺：破坏性变更仅在大版本、功能新增在小版本、bug 修复在补丁版本，弃用 API 会提前声明。这解决了开发者对 API 稳定性的顾虑。 从“多个绑定层”到“一个基础” 过去，每个…