SECTIONS
EDITIONS
NETWORK
AIXX Pedia La enciclopedia del mundo del cómputo

AIXX Pedia › Ficha de software › CUDA

Imagen oficial de rack de data center de NVIDIA (imagen del fabricante)
Mapa de escenarios de NVIDIA · AIXX Pedia (sitio oficial de NVIDIA)

CUDA

Plataforma de computación paralela de NVIDIA · 2006 hasta hoy · Ficha de software

Resumen OVERVIEW

CUDA es un Plataforma de computación paralela y modelo de programación : lanzado en noviembre de 2006 junto con la GeForce 8800 (G80, arquitectura unificada): convirtió la GPU de «procesador gráfico» en «procesador universal de computación en paralelo», permitiendo a los desarrolladores escribir programas de GPU en un lenguaje similar a C (según la página oficial de NVIDIA CUDA[1]). Hoy es el estándar de facto del mundo de la computación para IA: bajo PyTorch, TensorFlow y vLLM, casi todos los backends de GPU de los principales frameworks de IA se apoyan en CUDA.

CUDA no es solo un «driver»: es una pila de software de tres capas : en la base, el driver y el set de instrucciones de hardware (determinado por la versión de «Compute Capability» de la tarjeta); en el medio, el CUDA Toolkit (compilador nvcc, runtime) y la familia de librerías CUDA-X (cuBLAS/cuDNN/NCCL, etc.[2][3]); y arriba, los frameworks y las aplicaciones propias. La «Compute Capability» de la que se habla al elegir tarjeta (como H100=9.0, Blackwell=10.0) es la generación de hardware en el mundo CUDA: es el primer parámetro de referencia para verificar tarjetas de segunda mano y para la compatibilidad con frameworks (según la tabla oficial de equivalencias[4])。

. Para el comprador, CUDA significa dos cosas muy concretas: el cierre del ecosistema (migrar líneas de producción de CUDA a ROCm/oneAPI tiene un coste real, véase «Limitaciones y controversias») y la compatibilidad de versiones (la versión de CUDA que exige el framework frente al driver y la Compute Capability de la tarjeta: punto imprescindible al verificar tarjetas de segunda mano). Esta ficha es una entrada de concepto de software y se complementa con las fichas de cada modelo.

Casos de uso FIT

AIXX Index (0–100): estimación ponderada según el grado de encaje en el ecosistema (criterio específico para fichas de conceptos de software).

Backend de GPU de los frameworks de IA 96AIXX Index
Estándar de facto de los backends de GPU de PyTorch/TensorFlow/vLLM: la compatibilidad de versiones de CUDA es la primera barrera al elegir tarjeta para un framework.
Desarrollo de operadores propios 93AIXX Index
CUDA C++ para escribir kernels directamente: el último tramo hacia el máximo rendimiento; los operadores personalizados de motores de inferencia y las migraciones HPC siguen este camino.
Aceleración de computación científica 87AIXX Index
Las librerías cuBLAS/cuFFT/CUDA-X cubren desde álgebra lineal hasta transformadas de Fourier: dos décadas de código acumulado son la verdadera muralla de CUDA.
Hardware no NVIDIA 35AIXX Index
Los binarios compilados con CUDA apuntan a arquitecturas NVIDIA: las tarjetas AMD van por ROCm/HIP e Intel por oneAPI, y migrar tiene un coste real (véase «Limitaciones y controversias»).

Historia HISTORY

En noviembre de 2006 , CUDA debutó junto a la GeForce 8800 (G80): la arquitectura unificada permitió que los stream processors de la GPU fueran programables desde software paralelo de propósito general, y así nació el nombre «Compute Unified Device Architecture» (según la página oficial de NVIDIA CUDA y la historia técnica pública[1]): la computación general en GPU (GPGPU) pasó de truco académico a plataforma de ingeniería.

2012-2016 : la explosión del deep learning: AlexNet ganó entrenando con dos GTX 580 (historia técnica pública) y CUDA-GPU se convirtió en el estándar de cómputo para deep learning; librerías especializadas como cuDNN maduraron y se conformó la familia CUDA-X (página oficial de cuDNN[2])。

2017-2022 : la era del datacenter: Volta (Compute Capability 7.0) introdujo los Tensor Core y CUDA pasó de las tarjetas de consumo al gran escenario del datacenter; la librería de comunicaciones colectivas NCCL se volvió el componente estándar del entrenamiento multi-GPU (página oficial de NCCL[3]). En la era de la A100 (8.0) y la H100 (9.0), el vínculo entre las versiones de CUDA y el ecosistema de frameworks se profundizó aún más.

2023-2026 : la era Blackwell: la Compute Capability entra en la generación 10.0 (según la tabla oficial[4]), con soporte nativo en la pila CUDA para las nuevas precisiones FP4/FP8; al mismo tiempo, ROCm (AMD) y oneAPI (Intel) siguen avanzando como vías alternativas: el pulso entre el dominio del ecosistema de CUDA y las alternativas es el telón de fondo de la elección de cómputo en 2026 (véase «Limitaciones y controversias»).

Tabla de equivalencias de Compute Capability COMPUTE CAPABILITY

La Compute Capability (abreviada CC/sm_XX) es la «generación de hardware» en el mundo CUDA: determina qué sets de instrucciones puede ejecutar la tarjeta y cómo se adaptan los frameworks y los drivers. Equivalencias de CC de los modelos a la venta en esta biblioteca (conforme a la tabla oficial de NVIDIA[4]):

ModeloArquitecturaCompute CapabilityFicha en esta biblioteca
Serie B300 / GB300 (Blackwell Ultra)Blackwell UltraGeneración 10.x (según tabla oficial)B300
Serie B200 / GB200 (Blackwell)Blackwell10.0Ficha de la GB200 NVL72
H100 / H200 / H20(Hopper)Hopper9.0H200
L40S / L40 / L20(Ada)Ada Lovelace8.9L40S
A100 / A800(Ampere)Ampere8.0A100
Tarjetas de estación de trabajo RTX 6000 Ada / serie AAda / Ampere8.9 / 8.6Ficha técnica de la RTX 6000 Ada

La equivalencia completa (todas las tarjetas de consumo y profesionales) se rige por la página oficial de CUDA GPUs de NVIDIA[4]; «según tabla oficial» = esta tabla solo enumera los modelos a la venta en esta biblioteca; la versión exacta de Blackwell Ultra se actualizará conforme a la tabla oficial, sin especular.

Guía rápida para verificación : al recibir una tarjeta de segunda mano, ejecuta primero nvidia-smi -q y revisa el driver y la CUDA Version (el límite de CUDA que soporta el driver), luego contrasta la Compute Capability de la tarjeta: solo cuando los requisitos del framework (como la versión de CUDA con la que se compiló PyTorch) encajan con la CC de la tarjeta puede decirse que «esta tarjeta entra en la línea de producción».

La familia de librerías CUDA-X LIBRARIES

LibreríaQué haceQuién la usa
cuBLASÁlgebra lineal (multiplicación de matrices, etc.): la base aritmética del deep learningTodos los frameworks de entrenamiento e inferencia
cuDNNAceleración de primitivas de deep learning (convoluciones/atención, etc., según la página oficial[2])Base de operadores de frameworks de entrenamiento e inferencia
NCCLComunicaciones colectivas multi-GPU y multinodo (AllReduce, etc., según la página oficial[3])Base de comunicación del entrenamiento distribuido
CUDA-X Data Science / AI, etc.Familias verticales de librerías: procesamiento de datos, recomendación, cuantización, etc. (según la línea oficial de CUDA-X)Pipelines de datos y escenarios verticales
nvcc / toolchain NsightCompilador y análisis de rendimiento (componentes del Toolkit, según la documentación oficial[6])Desarrollo y optimización de operadores propios

CUDA-X es la denominación de NVIDIA para su familia de librerías aceleradas por GPU (línea oficial); cada librería tiene una matriz de compatibilidad con la versión del CUDA Toolkit: consulta la tabla antes de actualizar (según la documentación oficial[6])。

Versiones y compatibilidad COMPATIBILITY

EscenarioReglaImplicación para la verificación
Driver vs CUDALa versión del driver determina el límite de CUDA soportado (compatible hacia atrás)En tarjetas de segunda mano, la nvidia-smi CUDA Version en la esquina superior derecha es el límite del driver, no la versión del Toolkit instalada
Toolkit vs Compute CapabilityLos Toolkit nuevos soportan nuevas CC; los binarios de Toolkit antiguos pueden requerir recompilación en tarjetas nuevasLa versión de CUDA de la imagen del framework debe encajar con la CC de la tarjeta: frameworks antiguos en tarjetas nuevas (como imágenes CUDA 11.x en Blackwell) requieren confirmar la vía de compatibilidad
Compatibilidad hacia adelanteUn mecanismo específico de drivers de datacenter permite que tarjetas nuevas ejecuten binarios CUDA antiguos (según la documentación oficial[6])Una ventaja de las tarjetas de datacenter (Tesla/serie datacenter): úsala según la documentación oficial, no de memoria

La matriz de compatibilidad evoluciona con las versiones: rige la documentación oficial de NVIDIA[6]; esta tabla es una guía de decisión, no un manual de operación.

CUDA es una plataforma de software sin galería de hardware; el esquema de la pila de software está en la sección «Especificaciones técnicas». Los materiales de marca se rigen por lo publicado oficialmente por NVIDIA.

Software y ecosistema ECOSYSTEM

ConceptoSituación
AccesoEl CUDA Toolkit se distribuye vía la página oficial de descargas de NVIDIA (línea oficial[5]); el driver y el Toolkit se instalan por separado
Soporte de frameworksPyTorch / TensorFlow / JAX / vLLM / TensorRT, etc., usan CUDA como backend principal de GPU
ContenedoresNVIDIA Container Toolkit: las imágenes de frameworks incluyen el runtime de CUDA y el host solo gestiona el driver
CompetidoresAMD ROCm (ecosistema HIP), Intel oneAPI (familia SYCL): el soporte de frameworks y la cobertura de operadores siguen avanzando (véase «Limitaciones y controversias»)
Código acumuladoDos décadas de código CUDA (replicaciones de papers, repositorios open source, operadores propios) son el núcleo del coste de migración

La información del ecosistema se recopila de fuentes públicas; las versiones y las matrices de soporte evolucionan con el tiempo: rige lo publicado por NVIDIA.

Perspectiva de compra PROCUREMENT VIEW

Tres comprobaciones relacionadas con CUDA al comprar tarjeta (complementarias a la verificación de hardware de cada ficha de modelo):

1
Compute Capability vs framework
La versión de CUDA que exige el framework o la imagen objetivo debe encajar con la CC de la tarjeta (tabla más arriba): una «tarjeta vieja barata» con una CC demasiado antigua que no soporta frameworks nuevos ahorra dinero de mentira.
2
Prueba real del límite del driver
Al recibirla, ejecuta nvidia-smi -q: contrasta la versión del driver con el límite de CUDA, y el modelo y la VRAM con la descripción del vendedor: las tarjetas personalizadas para nube (estado de licencia vGPU) se delatan en este paso.
3
Coste oculto de migrar la pila de software
Migrar de una línea CUDA a ROCm/oneAPI se mide en personas-mes (versión del framework, cobertura de operadores y experiencia de ajuste, triple coste): compara «la diferencia de precio de la tarjeta» con «la cuenta total de la migración» antes de decidir.

Las seis pruebas de estrés del lado del hardware están en cada ficha de modelo (como las fichas A100/B300); esta sección solo cubre la perspectiva de software.

Guía rápida de verificación QUICK CHECK

Guía rápida en cuatro pasos para verificar una tarjeta de segunda mano desde la óptica de CUDA (complementaria a las pruebas de hardware):

1
Identidad y límites
nvidia-smi -q: modelo de tarjeta, versión del driver, límite de CUDA Version, VBIOS: contrástalo punto por punto con la descripción del vendedor.
2
Confirmación de Compute Capability
deviceQuery (CUDA samples) o desde el framework torch.cuda.get_device_capability(): verifica la CC contra la tabla oficial[4]——las tarjetas falsificadas quedan al descubierto al comprobar el CC.
3
Ejecución real del framework
Ejecutar una pasada estándar de forward+backward con el framework objetivo: debe inicializar, entrenar y no arrojar errores de fallback de operadores — la compatibilidad sobre el papel no equivale a que funcione en la práctica.
4
Estado de licencias
Verificación del vGPU y del estado de licencias en tarjetas personalizadas para la nube: si la licencia bloquea la tarjeta, el coste de reconversión debe incluirse en el precio total (criterio de inspección de este almacén).

Transporte y entrega LOGISTICS

1
Inventario de activos de software con la entrega
La entrega de una tarjeta no es solo hardware: versión de drivers, estado de licencias y registros de pruebas de fábrica (incluidas capturas de ejecución real de CUDA) se verifican con la mercancía — el estado del software es la mitad del valor de una tarjeta de segunda mano.
2
Licencias y cumplimiento
La licencia de software de CUDA se rige por los términos de distribución del SDK de NVIDIA (EULA), con cláusulas restrictivas para la recompilación en plataformas no NVIDIA (criterio de discusión pública) — en contextos de cumplimiento empresarial, prevalece el dictamen jurídico; lo expresado en este almacén no constituye asesoramiento legal.

Fichas de términos GLOSSARY

Compute Capability (capacidad de cómputo)

La generación de hardware en el mundo CUDA (por ejemplo 8.0/9.0/10.0): determina el conjunto de instrucciones y las características de la tarjeta — los frameworks y compiladores generan o seleccionan código según el CC. Durante la inspección, contrastar el CC con la tabla oficial es un método sólido para identificar tarjetas falsificadas (tabla oficial de correspondencia[4])。

nvcc

El compilador de CUDA C++ (componente del CUDA Toolkit): compila los kernels en binarios de GPU orientados a un CC específico — el «CC de compilación» determina qué tarjetas pueden ejecutar el binario.

cuDNN / NCCL

Las dos bibliotecas estrella de CUDA-X: cuDNN acelera las primitivas de deep learning (convoluciones/atención) y NCCL gestiona las comunicaciones colectivas multi-GPU — los dos pilares que permiten que los frameworks de entrenamiento «corran rápido» (criterio de la página oficial[2][3])。

Tensor Core

Unidades de cálculo matricial introducidas desde Volta: la base de hardware del entrenamiento en precisión mixta — cada nueva precisión de los Tensor Core por generación (FP16→BF16→FP8→FP4) recibe soporte inicial del stack de CUDA, el caso típico de «la versión de CUDA persiguiendo al hardware».

ROCm y oneAPI

Las dos rutas alternativas: AMD ROCm (la sintaxis de HIP es cercana a CUDA y su cadena de migración madura de forma continua) e Intel oneAPI (la ruta multiplataforma vía SYCL) — la cobertura de operadores y el personal de optimización siguen siendo la brecha frente a CUDA (consenso de evaluaciones públicas).

Compatibilidad hacia adelante / compatibilidad hacia atrás

Las reglas de compatibilidad de CUDA: los drivers nuevos soportan CUDA antiguos (compatibilidad hacia atrás, lo habitual); las tarjetas de data center pueden ejecutar binarios CUDA antiguos en tarjetas nuevas mediante mecanismos específicos (compatibilidad hacia adelante, criterio de la documentación oficial[6]) — antes de desplegar entre versiones, consulta la documentación oficial; no te guíes por impresiones.

Limitaciones y controversias LIMITS

  • El coste real del lock-in de ecosistema : el coste de migrar una línea de producción CUDA a ROCm/oneAPI = adaptación de versiones del framework + brechas de cobertura de operadores + re-acumulación de experiencia de optimización, todo sumado y medido en personas-mes — compara la «diferencia de precio de las tarjetas» con la «cuenta total de la migración» antes de decidir (consenso de evaluaciones públicas).
  • Controversia sobre los límites de la licencia : la licencia del SDK de CUDA incluye cláusulas restrictivas sobre la recompilación para ejecutarse en hardware no NVIDIA, y el debate público al respecto continúa (criterio de cobertura pública) — en contextos de cumplimiento empresarial, prevalece el dictamen jurídico; lo expresado en este almacén no constituye asesoramiento legal.
  • La complejidad de la matriz de versiones : las relaciones de versiones entre driver/Toolkit/framework/bibliotecas son la principal fuente de complejidad operativa — la contenedorización (imágenes con runtime incluido) es la solución dominante, pero el límite impuesto por el driver del host sigue presente (criterio de la documentación oficial[6])。
  • La brecha generacional entre tarjetas antiguas y frameworks nuevos : las versiones nuevas de los frameworks van abandonando el soporte de CC demasiado antiguos — «tarjetas viejas baratas con frameworks nuevos» hay que verificarlo, no asumirlo (criterio de inspección de este almacén).
  • Esta entrada adopta el criterio de concepto de software : las cifras concretas de rendimiento de CUDA (benchmarks por framework) evolucionan rápido con cada versión; este almacén no hace comparativas de rendimiento tipo instantánea — prevalecen los anuncios oficiales y los benchmarks independientes.

Preguntas frecuentes FAQ

¿Qué es CUDA? ¿Es lo mismo que el driver?

No es lo mismo: el driver es el software de base que permite al sistema reconocer la tarjeta; CUDA es una plataforma de cómputo paralelo (compilador del Toolkit + runtime + toda la familia de bibliotecas CUDA-X). El «CUDA Version» en la esquina superior derecha de nvidia-smi indica el máximo de CUDA soportado por el driver, no la versión del Toolkit instalada — a menudo se confunden.

¿Por qué hay que mirar la capacidad de cómputo al comprar una tarjeta de segunda mano?

La capacidad de cómputo (CC) determina qué conjuntos de instrucciones y características de framework puede ejecutar la tarjeta: con un CC demasiado antiguo los frameworks nuevos no funcionan, y si el CC no coincide con el modelo puede ser una tarjeta falsificada — contrastar el CC con la tabla oficial (por ejemplo A100=8.0/H100=9.0/Blackwell=10.0) es un método sólido de inspección de tarjetas de segunda mano.

¿Qué hacer si la versión de CUDA no es compatible?

Las tres reglas básicas: actualizar el driver (eleva el límite de CUDA), usar una imagen de framework que coincida con el CC de la tarjeta (el contenedor trae su propio runtime) y, en tarjetas de data center, consultar el mecanismo oficial de compatibilidad hacia adelante. Cada combinación concreta se rige por la documentación oficial de NVIDIA; no improvises entre versiones de memoria.

¿Puede el ROCm de las tarjetas AMD sustituir a CUDA?

Depende del escenario: los modelos habituales de los frameworks principales (PyTorch, etc.) ya funcionan con ROCm, y las herramientas de migración con la sintaxis de HIP, cercana a CUDA, maduran progresivamente; pero la cobertura de operadores, el personal de optimización y dos décadas de código acumulado siguen marcando distancias frente a CUDA — las líneas nuevas pueden evaluarlo, y la migración de líneas CUDA existentes se cuenta en personas-mes.

¿Qué hay que tener en cuenta de la licencia de CUDA?

El SDK de CUDA se licencia bajo los términos de distribución de NVIDIA, que incluyen cláusulas restrictivas sobre la recompilación para hardware no NVIDIA (criterio de discusión pública) — el uso habitual «CUDA sobre tarjetas NVIDIA» no se ve afectado; para cuestiones de cumplimiento relativas a la recompilación multiplataforma, prevalece el dictamen jurídico, y lo expresado en este almacén no constituye asesoramiento legal.

H200A100B300L40SConnectX-7Almacenamiento todo-flash NVMecuDNN / NCCLTensor CoreComparativa ROCm / oneAPI

Lecturas adicionales EXPLORE

Referencias REFERENCES

  1. Sitio web de NVIDIA — CUDA Zone (archivo oficial principal de CUDA) https://developer.nvidia.com/cuda-zone
  2. Sitio web de NVIDIA — Página de producto de cuDNN (criterio de bibliotecas de deep learning de CUDA-X) https://developer.nvidia.com/cudnn
  3. Sitio web de NVIDIA — Página de producto de NCCL (criterio de biblioteca de comunicaciones colectivas) https://developer.nvidia.com/nccl
  4. Documentación oficial de NVIDIA — CUDA GPUs: tabla completa de correspondencia de capacidades de cómputo (archivo principal de CC, criterio 2026-10) https://developer.nvidia.com/cuda-gpus
  5. Sitio web de NVIDIA — Página de descarga del CUDA Toolkit (criterio de distribución) https://developer.nvidia.com/cuda-downloads
  6. Documentación oficial de NVIDIA — Matriz de compatibilidad CUDA Toolkit & driver (criterio de versiones y compatibilidad hacia adelante/atrás) https://docs.nvidia.com/cuda/
  7. Búsqueda en venta — AIXX Exchange (Intermediación sin comisión, con servicio de selección de tarjetas bajo el enfoque de compatibilidad CUDA) https://www.aixx.vip/hall.html
Versiones y correcciones |Esta entrada es mantenida por la redacción de AIXX Pedia, redactada con asistencia de IA y verificada por humanos. Actualizada el 10-10-2026 · versión v1.0 · todos los cambios quedan registrados y son consultables. ¿Encontró un error? Puede comunicarse mediante canal de correcciones tras verificarlo se corregirá públicamente y se anotará en el historial de versiones.

Vídeo explicativo VIDEO

Esta base
Política editorialSobre esta base (declaración de intereses)canal de correcciones
Resumen de la constitución editorial
Cada afirmación con fuenteDefectos siempre indicados · correcciones públicas y trazablesNo se aceptan entradas pagadasCero elementos de captación o venta dentro de las entradasLos datos de cotización solo se montan como módulo de datos
Familia AIXX
AIXX PediaAIXX ExchangeAIXX Noticias
Fuente de datos de cotización: AIXX Exchange · © 2026 AIXX Pedia · una producción de AIXX