CUDA 13.4 ya se puede descargar y trae dos cosas que van a pesar bastante en el futuro cercano de la plataforma de NVIDIA. La primera es el soporte para desarrollar aplicaciones sobre Windows on Arm. La segunda, un acceso preliminar a lo que van a ofrecer las próximas CPU y GPU Vera Rubin. La actualización mete mano también en compiladores, librerías, herramientas para desarrolladores y en la gestión de recursos compartidos, pero lo interesante aquí es el momento en el que aparece todo esto. Por un lado están a punto de llegar los primeros equipos RTX Spark con Windows, previstos para octubre. Por otro, NVIDIA empieza a preparar el terreno de software para su siguiente gran generación de hardware pensado para centros de datos.
Windows on Arm deja de ser una rareza técnica
El soporte para Windows Arm64 es seguramente la novedad más llamativa para el mundo del PC. CUDA lleva años corriendo sobre Arm en Linux, pero ahora los desarrolladores pueden empezar a portar aplicaciones, comprobar dependencias y probar sus flujos de trabajo también en los equipos con Windows on Arm que ya existen. La idea es simple: que cuando lleguen los primeros sistemas con RTX Spark, nadie tenga que arrancar desde cero. NVIDIA quiere que aplicaciones, librerías y herramientas estén listas de antemano para sacar partido a esa mezcla de Windows, Arm y aceleración RTX.
Y ese movimiento no es casual. Va de la mano de RTX Spark, la plataforma que NVIDIA y Microsoft están empujando para llevar capacidades avanzadas de IA local a los PC. Se han adelantado equipos de fabricantes como ASUS, Dell, HP, Lenovo, Microsoft Surface y MSI, con más modelos por venir, y su llegada comercial se sitúa a partir de octubre. La meta es trasladar parte de la experiencia de desarrollo y ejecución de IA ligada a CUDA a una nueva hornada de portátiles y sistemas compactos con Windows. Con ese contexto, el soporte Arm64 pasa de curiosidad a pieza necesaria.
Rubin en el horizonte y mejoras para repartir la GPU
CUDA 13.4 mira bastante más lejos también. Incluye soporte funcional preliminar para Vera Rubin, algo que deja a los desarrolladores empezar a compilar, portar y validar código para la nueva arquitectura antes de que esté disponible para todos. Esto viene bien sobre todo a quienes mantienen librerías, runtimes y componentes de bajo nivel, que a veces necesitan mucho tiempo para adaptarse. Ojo, no es lo mismo que soporte completo. NVIDIA habla de acceso anticipado y avisa de que la compatibilidad general con Rubin llegará en una versión futura del Toolkit.
Link affiliatoOtra novedad que merece atención es Multi-Process Service V3, una renovación del sistema que permite compartir una misma GPU entre varios procesos. Esta versión trae una capa de control modernizada, servidores identificables, configuración mediante TOML y herramientas para limitar tanto la memoria como la potencia de cómputo asignada a cada carga. Dicho más a lo llano, ahora se puede repartir una GPU con mayor precisión entre distintos trabajos. Algo muy útil en servidores, contenedores y entornos de IA donde varios procesos se pelean por lo mismo.
Para máquinas con varias GPU aparece CUDA Compute Fabric Transport, con mecanismos de comunicación basados en endpoints lógicos y operaciones asíncronas para mover datos por NVLink con más control. No está pensado para todo el mundo, sino más bien para quienes construyen librerías de comunicación y software de bajo nivel. De hecho NVIDIA sigue recomendando soluciones como NCCL o NVSHMEM para la mayoría de cargas distribuidas, aunque esta capa amplía las opciones de quien necesita dirigir a mano cómo circulan los datos entre aceleradores.
Las mejoras llegan también a CUDA Python y CCCL. cuda.core 1.1 amplía las APIs para texturas, superficies, memoria administrada y CUDA Graphs. Por su lado, cuda.compute 1.1 permite compilar por adelantado ciertos algoritmos para distintas arquitecturas, incluso desde equipos que no tienen físicamente una GPU compatible. Y CCCL 3.4 introduce optimizaciones en algoritmos paralelos y mejora el rendimiento de DeviceScan sobre Blackwell, alcanzando según las pruebas de NVIDIA hasta un 92% de aprovechamiento del ancho de banda de memoria. Son cambios menos vistosos que Windows on Arm o Rubin, pero cuentan para quienes trabajan pegados a la plataforma.
Entre una cosa y otra, NVIDIA sigue ampliando las herramientas para compartir GPU, comunicar aceleradores y simplificar el desarrollo en Python y C++, con la vista puesta en extender CUDA hacia nuevos formatos de PC sin descuidar las arquitecturas que marcarán la próxima generación de centros de datos.
Link affiliatoFuente
Imagen: muycomputer.com