7 月 16 日消息，据 Appleinsider 发现，苹果专为 Apple Silicon 设计的机器学习框架 MLX 正积极推进一项重要更新 —— 新增 CUDA 支持。这一举措在机器学习开发领域激起了千层浪，为广大开发者带来了前所未有的便利。
在以往，由于 MLX 与苹果平台的 Metal 框架深度绑定，导致其应用范围被局限于 macOS 系统内，无法在其他环境运行。这一限制使得开发者在进行部署和测试时，往往需要额外购置硬件设备，极大地增加了开发成本和时间成本。而如今，随着 MLX 对 CUDA 支持的引入，这一局面将得到显著改善。开发者现在能够直接在 Apple Silicon Mac 上借助 MLX 进行应用开发，随后将成果导出至 CUDA 环境中运行。
该项目由 GitHub 开发者 @zcbenz 主导推进。数月前，@zcbenz 便着手构建与 CUDA 相关的支持代码，并在后续将整个项目拆解为多个模块，逐步融入苹果 MLX 的主分支当中。这一过程凝聚了开发者大量的心血与智慧，为苹果 MLX 与 CUDA 的融合奠定了坚实基础。
需要特别说明的是，此次新增的 CUDA 支持，主要是针对从适配苹果环境的 MLX 框架导出代码，使其能够在 Nvidia 显卡及服务器硬件上顺利运行。这并不意味着 Mac Pro 或外接显卡坞可以连接 Nvidia 显卡，从而在本地运行机器学习应用;同样，也无法实现基于 CUDA 编写的项目直接在 Apple Silicon 上运行。但即便如此，对于开发者而言，这一改进依然意义非凡。
Nvidia 硬件向来以高性能著称，但相应地，其配置成本也高得令人咋舌，有时甚至数倍于顶配 Mac 的售价。对于小规模开发者或开发团队而言，这无疑是一笔难以承受的开支。而现在，借助 MLX 对 CUDA 的支持，他们可以充分利用 Apple Silicon 设备进行开发测试工作。在开发初期以及测试阶段，仅需使用价格相对亲民的 Apple Silicon 设备，便能完成大部分的开发任务。直到进入量产阶段，再投入使用 Nvidia 硬件，如此一来，能够有效节省大量的成本。
此外，值得关注的是，MLX 项目在 CUDA 系统上运行时，展现出了远超在 Mac 上的性能表现。结合 Nvidia 硬件在机器学习领域广泛应用的优势，开发者在使用 MLX 导出代码至 CUDA 环境运行时，有望获得更强大的算力支持，从而进一步提升开发效率，加速项目的推进进程。
随着苹果 MLX 对 CUDA 支持的逐步完善，机器学习开发者们将迎来更为广阔的创作空间与更高效的开发体验，未来或许还将催生出更多基于此的创新应用和成果，值得我们持续关注。
免责声明：本文仅代表作者个人观点，与朝闻天下无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
本网站有部分内容均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，若因作品内容、知识产权、版权和其他问题，请及时提供相关证明等材料并与我们联系，本网站将在规定时间内给予删除等相关处理.
