تصور کنید بتوانید هسته‌های پردازشی GPU را بدون کابوس مدیریت حافظه در C++ بنویسید. اگر هنوز برای برنامه‌نویسی گرافیکی یا محاسباتی به زبان‌های محدود و سخت‌گیر وابسته هستید، باید بدانید که قواعد بازی در حال تغییر است.
به نقل از مستندات پروژه که در ۱۱ مه ۲۰۲۶ منتشر شد، ابزار cuda-oxide با هدف حذف موانع پیش روی توسعه‌دهندگان معرفی شده است. این کامپایلر اجازه می‌دهد تا هسته‌های GPU (GPU Kernels) — تشبیه روزمره: مثل یک دستور پخت بسیار سریع و تخصصی برای یک اجاق صنعتی — را به‌صورت کاملاً بومی و با استفاده از زبان Rust بنویسید، بدون اینکه نیازی به یادگیری زبان‌های تخصصی (DSL) باشد.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی جایگاه Rust در سیستم‌های حساس اشاره کردیم، امنیت حافظه اولویت اول این زبان است. cuda-oxide این امنیت را به لایه‌ی سخت‌افزار می‌برد و کدها را مستقیماً به PTX (Parallel Thread Execution) تبدیل می‌کند — تشبیه روزمره: مثل یک نقشه‌ی جامع که تمام مدل‌های GPU آن را می‌فهمند و اجرا می‌کنند.
این ابزار در حال حاضر در نسخه‌ی v0.1.0 (آلفا) قرار دارد و به عنوان یک بک‌اند برای کامپایلر rustc عمل می‌کند. ویژگی‌های فنی کلیدی آن عبارتند از:
- تبدیل مستقیم کد استاندارد Rust به PTX.
- پشتیبانی از اجرای نامتقارن (async) در GPU از طریق گراف‌های
DeviceOperation. - ادغام کریت‌های
cuda_deviceوcuda_coreبرای مدیریت بافرها و محیط‌های اجرایی.
طبق گزارش توسعه‌دهندگان، این سیستم بر مدل SIMT (Single Instruction, Multiple Threads) متمرکز است — تشبیه روزمره: مثل یک فرمانده که یک دستور واحد را به ۱۰۰ سرباز می‌دهد تا هم‌زمان اجرا کنند. در این ساختار، سیستم مالکیت (Ownership) در Rust مدیریت حافظه را بر عهده می‌گیرد — تشبیه روزمره: مثل یک سیستم سخت‌گیرانه‌ی کتابخانه که اجازه نمی‌دهد دو نفر هم‌زمان یک کتاب را داشته باشند تا هرج‌ومرج پیش نیاید.
برای جامعه‌ی فنی، این یعنی شکستن این فرض قدیمی که برنامه‌نویسی GPU حتماً نیازمند یک زبان کم‌امنیت‌تر است. با تبدیل GPU به یک هدف درجه‌یک برای کامپایلر Rust، شکاف امنیتی بین کد میزبان (Host) و کد دستگاه (Device) به حداقل می‌رسد.
گام بعدی شما
- پیش‌نیازهای نصب cuda-oxide را بررسی و روی سیستم خود پیاده کنید.
- برای اجرای اولین کدها، از دستور
cargo oxide runاستفاده کنید. - مستندات نسخه‌ی آلفا را برای درک محدودیت‌های فعلی API مطالعه کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک اینکه چگونه معماری‌های جدید GPU با این مدل‌های کامپایلر سازگار می‌شوند، به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو