在近期的 GTC 2025 大会上，英伟达宣布其 CUDA 工具包将为 Python 提供原生支持并全面与之集成。
CUDA 架构师 Stephen Jones 在 GTC 技术演讲中对此表示，“我们一直在努力让加速计算与 Python 深度融合，使其成为 CUDA 技术栈中的‘一等公民’。”
据介绍，对于添加了原生 Python 支持的 CUDA，开发者可直接用 Python 编写算法，并在英伟达 GPU 上高效执行，无需手动调用底层内核或依赖 C++ 接口封装。
Stephen Jones 补充道：“这不仅仅是把原来的 C 语言翻译成 Python，而是要让 Python 保持本色，让 Python 开发者也感到自然。”
英伟达也强调，此次更新重新设计了一套真正符合 Python 编程习惯的 CUDA 开发模型，包括 API、库、执行方式和性能优化手段。开发者可以像使用 NumPy、PyTorch 那样，用 Python 脚本直接编写和调用 GPU 加速逻辑。
换句话说，英伟达对 CUDA 不是简单的语法包装，而是一次从运行时到编程模型的 Python 化重构。具体来看，英伟达提供了：
- CUDA Core：重新设计的运行时系统，支持完全的 Python 编程体验，执行流程也更贴近 Python 风格；
- cuPyNumeric：NumPy 的 GPU 加速替代品，修改一行 import 即可将代码从 CPU 迁移至 GPU；
- NVMath Python：统一接口库，支持在 host 和 device 两端调用各种库函数，这些函数调用支持自动融合（fusing），可带来明显的性能提升；
- 采用 JIT 编译：几乎不依赖传统编译器，大幅减少依赖链复杂度，提高执行效率和可移植性；
- 全套的分析工具支持：包括性能分析器、代码静态分析器等，帮助开发者进行性能调优。
除此之外，传统 CUDA 强调线程（thread）、块（block）等显式控制方式，而 Python 工程师则更熟悉“数组思维”——以矩阵、张量、向量等结构为基础组织计算。
为此，英伟达还推出了全新编程模型 CuTile，它更像是面向数组、张量的抽象，更贴近 Python 开发者的思维模式。
CuTile 模型强调以 tile（小块）为基本计算单元进行调度，每个 tile 包含若干数据元素，由编译器负责自动映射到底层线程执行，从而实现高效的 GPU 加速。
Stephen Jones 解释道，“相比线程，tile 更贴近 Python 语言的哲学；它足够高效，性能也不输 C++。”——tile 中的数据可以是向量、张量或数组，编译器可以更好地将整个数组操作映射到 GPU。
另外英伟达还计划在未来支持更多编程语言，早在 2024 年 GPU 技术大会上英伟达工程师就表示英伟达还在探索诸如 Rust 和 Julia 等编程开发语言，吸引更广泛的开发者群体。
相关链接：https://github.com/NVIDIA/cuda-python