在人工智能与高性能计算（HPC）的浪潮中，NVIDIA 一直扮演着至关重要的角色。然而，长期以来，编写高效的 GPU 内核主要依赖于 CUDA C++，这门语言虽然强大，但对于追求内存安全的开发者来说，往往充满了指针操作带来的风险与挑战。近日，NVIDIA 宣布推出一项旨在改变这一现状的重大举措——CUDA Rust。这一新计划通过两个开源项目，致力于将 Rust 打造为 GPU 编程的首选语言，并确保内核在编译时就能获得内存安全保障。
传统的 CUDA 开发需要开发者深入理解硬件细节，并手动管理显存，这极易导致内存溢出或数据竞争等难以调试的错误。Rust 语言以其独特的所有权机制和借用检查器而闻名，能够在编译阶段捕获绝大多数内存安全问题。NVIDIA 此次推出的 CUDA Rust 旨在将这种“编译时安全”的优势带入 GPU 编程领域，让开发者能够用 Rust 编写高性能的内核，而无需像使用 C++ 时那样时刻提心吊胆。
为了实现这一目标，NVIDIA Labs 公开了两个关键的开源项目，分别对应 CUDA 编程中的两种主要模型：cuda-oxide 和 cutile-rs。
1. cuda-oxide：SIMT 模型的 Rust 实现
第一个项目 cuda-oxide 专注于处理 CUDA 中最常用的 SIMT（单指令多线程）编程模型。SIMT 模型允许开发者以“线程束”为单位进行编程，这是 CUDA 编程的基础。cuda-oxide 的工作原理是将 Rust 的中间表示（MIR）转换为 LLVM IR，再进一步编译为 PTX（并行线程执行）代码。
这意味着开发者可以使用标准的 Rust 语法编写线程束级的逻辑，而底层的硬件转换由工具链自动完成。通过这种方式，Rust 的类型系统和内存安全特性被完美地移植到了 GPU 算子开发中，极大地降低了开发复杂度。
2. cutile-rs：Tile 模型的 JIT 编译支持
第二个项目 cutile-rs 则专注于支持 Tile 编程模型。与 SIMT 不同，Tile 模型通常涉及更高级别的块级操作，常用于矩阵乘法等特定的算法优化中。cutile-rs 的独特之处在于它采用了一种基于 CUDA Tile IR 的 JIT（即时编译）方案。
该工具能够在稳定版 Rust 1.89 及以上版本中运行，通过动态生成代码来支持 Tile 内核的编译。这种灵活性允许开发者编写更加抽象和通用的代码，同时依然保持与 NVIDIA 硬件底层的紧密耦合。
3. 行业影响与未来展望
CUDA Rust 的推出对于 AI 生态系统具有深远的潜在影响。随着深度学习模型的规模不断扩大，对算力的需求日益增长。目前，许多主流的深度学习框架（如 PyTorch 和 TensorFlow）的底层算子大多是用 CUDA C++ 编写的。如果开发者能够用 Rust 重写这些算子，不仅可以利用 Rust 的并发安全特性避免潜在的崩溃，还能提升代码的可维护性。
此外，随着 Rust 在系统编程领域的崛起，越来越多的开发者倾向于选择 Rust 而非 C++。CUDA Rust 的出现消除了 Rust 开发者进入 GPU 加速领域的最后障碍，有望吸引更多开发者投身于高性能计算领域，加速 AI 算法的创新与落地。
总而言之，NVIDIA 通过 cuda-oxide 和 cutile-rs 这两项开源技术，正在为 GPU 编程构建一个新的生态。它不仅保留了 CUDA 强大的性能，还引入了 Rust 的安全与优雅，这无疑是高性能计算领域的一大进步。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/09/08/nvidia-announces-cuda-rust-with-cuda-oxide-simt-and-cutile-rs-tile-for-compile-time-safe-gpu-kernels/
封面图片来源：Unsplash / 摄影师 Mariia Berezovsky
