4月8日消息，中国一直在寻求突破NVIDIA CUDA护城河，其中一个变通方案绝对值得一提。
在SEMICON CHINA 2026全球半导体产业战略峰会期间，中国半导体行业协会副理事长、IC 设计分会理事长、清华大学教授魏少军，针对国内AI产业突破NVIDIA CUDA生态垄断的核心命题，提出了全新破局思路，即放弃成本过高的复刻CUDA的传统追赶路径，转向“软件定义芯片（SDC）”架构，从根本上改变硬件的定义与应用逻辑。
众所周知，生成式AI的快速发展，正让全球算力的控制权高度集中在极少数架构与生态体系中。NVIDIA创始人黄仁勋曾多次提及，CUDA是NVIDIA在AI行业保持领先的 “最强护城河”，对软件生态的持续深耕与投入，是NVIDIA区别于其他厂商的核心优势。
而中国行业对CUDA生态的高度依赖，已成为国内半导体与AI产业发展的核心关切，魏少军也明确提出，国内应开发CUDA及其他西方来源核心组件的替代方案。
魏少军表示，当前全球AI发展已被NVIDIA的GPGPU架构和CUDA生态深度绑定，形成了“模型-架构-生态”三重依赖。
传统的思维认为，人工智能是通过计算来实现的。“如果只是沿用现有的芯片架构，大概率只能跟在别人后面，难以实现超越。”
魏少军认为，“人工智能芯片的发展需要颠覆性思维，打造中国创新的人工智能技术路径。未来人工智能技术需要从终端应用出发，以应用定义软件，再用软件来定义芯片，以满足各种人工智能终端设备的定制化需求，并提升算力的供给。”
不可否认，当前全球AI的算力基石，很大程度上建立在以NVIDIA GPU为首的特定架构上。主流AI模型已与特定芯片架构深度绑定。这种绑定不仅限于硬件使用，更延伸至整个软件开发生态。
“当全球的AI开发者都习惯在一个芯片生态里耕耘时，我们用的就不仅是它的芯片，更是它制定的游戏规则”。
魏少军提出了一种“软件定义芯片（SDC）”架构的可能性，其核心理念在于打造一个功能可重构的硬件底层，芯片本身不具备固定功能，而是通过上层软件来动态、实时地定义其计算形态与应用边界。
这种架构实现了软硬件的深度协同，它既不完全解耦，也不是传统意义上的紧耦合，而是形成一种硬件随软件灵活变化、动态适配的弹性关系，使其能够在可接受的性能与功耗代价之下，实现灵活性、效率与风险控制的最佳平衡。
其战略意义在于，通过架构创新而非单纯依赖工艺进步，来提升计算效率，这为突破先进制程限制、构建自主算力体系提供了切实可行的技术路径。
魏少军强调，“哪怕自己的东西初期不够好，也必须要用。试错不一定成功，但不试一定会落后。技术的成熟需要应用场景的淬炼，而生态的培育更需要时间的沉淀。
“这场竞赛考验的不仅是技术实力，更是战略定力。”他说。
