CUDA 13.4 thêm Windows on Arm; phần lớn hệ thống chưa cần nâng cấp
Bản 13.4 đáng xem nếu bạn đang nhắm tới Windows on Arm, chuẩn bị cho Rubin hoặc cần kiểm soát GPU dùng chung tốt hơn. Với một stack AI đang ổn định, chưa có lý do để nâng cấp chỉ vì số phiên bản mới.
Nếu hệ thống của bạn đang chạy ổn trên một phiên bản CUDA cũ hơn, CUDA 13.4 không phải lý do đủ mạnh để nâng cấp ngay. Bản phát hành này đáng chú ý hơn với ba nhóm cụ thể: đội đang thử Windows on Arm, đội cần port phần mềm sớm sang Rubin và đội vận hành nhiều workload cùng chia một GPU.
Đó là cách nên đọc bản 13.4: không phải một nâng cấp “mọi người đều cần”, mà là một loạt thay đổi nền tảng cho những hướng NVIDIA đang chuẩn bị.
Windows on Arm là thay đổi nền tảng rõ nhất
Theo release notes của NVIDIA, CUDA 13.4 bổ sung hỗ trợ Windows on Arm trên các thiết bị RTX Spark. Arm vốn đã có mặt trong hệ sinh thái CUDA qua Linux; điểm mới lần này là thêm một đường phát triển cho ứng dụng Windows chạy trên kiến trúc Arm.
Điều đó không đồng nghĩa mọi laptop Windows on Arm bỗng trở thành máy CUDA. Driver và phần cứng vẫn phải nằm trong phạm vi NVIDIA hỗ trợ. Nhưng với những đội đang theo dõi workstation hoặc client Arm, đây là tín hiệu đáng lưu ý vì CUDA đang mở rộng ra ngoài quỹ đạo x86 quen thuộc trên Windows.
Rubin đã xuất hiện, nhưng mới để chuẩn bị
CUDA 13.4 có hỗ trợ chức năng cho nền tảng Vera Rubin ở mức developer preview. NVIDIA ghi rõ phần này chưa dành cho benchmarking, phân tích hiệu năng hoặc production.
Nói đơn giản: nếu đội của bạn cần port code sớm, bạn đã có chỗ để bắt đầu. Nếu bạn chỉ đang vận hành workload hiện tại, Rubin support chưa phải lý do thay đổi toolchain.
MPS V3 mới là phần đội vận hành GPU nên đọc kỹ
Multi-Process Service V3 bổ sung thêm khả năng cấu hình bằng script và cơ chế giới hạn bộ nhớ GPU tích hợp với cgroup. Đây là thay đổi thực dụng trong môi trường có nhiều tiến trình hoặc container cùng dùng một thiết bị.
Với kiểu workload đó, câu hỏi không còn chỉ là “server có bao nhiêu GPU”, mà là ai được dùng bao nhiêu tài nguyên, workload nào có thể chen lấn workload nào và cách giới hạn được tự động hóa ra sao.
CUDA Python cũng tiếp tục được mở rộng với API liên quan tới texture, surface, quản lý bộ nhớ nhận biết NUMA và compilation. Những thay đổi này quan trọng với developer dùng Python ở tầng thấp hơn của stack, nhưng không phải phần lớn người chạy model sẽ nhìn thấy ngay.
Trước khi nâng cấp, kiểm tra dependency trước phiên bản
Với một hệ thống production, CUDA hiếm khi được nâng riêng lẻ. Driver, framework, inference engine, thư viện native và phần cứng đều có thể tạo ra ràng buộc tương thích.
Vì thế quyết định hợp lý là: nâng nếu một thay đổi trong 13.4 giải quyết đúng bài toán của bạn; còn không, giữ stack đang ổn định và thử bản mới trong môi trường kiểm tra trước.