高通旗下 Modular 开源 Mojo，向 CUDA 主导的 AI 芯片软件生态发起挑战

目前公布的方向涉及 Qualcomm Snapdragon 系统、AMD 平台和 GPU、NVIDIA GPU、Apple 芯片、AWS Trainium、Google TPU，以及高通的数据中心加速器。 不过，“任何模型、任何芯片”更应理解为 Modular 的战略目标，而不是意味着所有硬件都已经具备相同程度的支持、成熟度或性能。

如果这一方案能够兑现，开发者就可以让更多模型代码和算子代码保持稳定，只在底层更换芯片。这将使语言、编译器、运行时、内核和模型服务抽象层的影响力，从单一 GPU 厂商手中转向一个跨硬件供应商的软件平台。

为什么 AMD 的支持尤其重要

AMD 的公开参与值得关注，因为 AMD 与高通在多个 AI 硬件市场存在竞争，包括 AI PC 和加速器市场。AMD 愿意支持一个由高通拥有的软件层，说明对芯片厂商而言，跨供应商的软件可移植性可能已经足够重要，足以抵消将开发者牢牢留在自有硬件生态中的部分收益。

对 Modular 来说，AMD 的支持也有助于回应一个现实疑问：被高通收购后，Modular 会不会变成只服务于高通芯片的软件包装层？在 AMD 参与，以及 NVIDIA、Apple、AWS 和 Google 硬件被纳入整体路线的背景下，Modular 的多芯片战略更具可信度。

但这仍然只是方向上的信号，并不能证明所有目标平台都已拥有同等的生产级支持。

Mojo 1.0 能为开发者带来什么

Modular 将 Mojo 1.0 定位为一门稳定、面向生产环境的通用编程语言，专门服务于异构 AI 工作负载。它的核心卖点是结合类似 Python 的易用性与系统级性能，并支持对 CPU、GPU 及其他加速器进行编程。

与 Python 的互操作能力是其推广逻辑的关键。开发者可以继续使用熟悉的 Python 工作流，同时在对性能敏感的 AI 代码中调用更底层的能力。Modular 还将 Mojo 描述为一种统一的 CPU 与 GPU 编程模型，而更完整的平台则进一步延伸至其他类型的加速器。

编译器和工具链的开放同样重要。外部开发者可以检查实现、提交改动、将语言移植到更多平台，并依据 Apache 2.0 与 LLVM 例外条款构建和分发应用。

截至发布时，Mojo 已支持 macOS 和 Linux。原生 Windows 支持仍在后续规划中，Windows 用户则可以通过 Windows Subsystem for Linux（WSL，适用于 Linux 的 Windows 子系统）使用 Mojo。

高通为何选择开源路线

高通收购 Modular，是为了加强其面向生成式 AI 和智能体 AI 的软件能力，覆盖数据中心、边缘基础设施、个人计算和工业应用等场景。 开源 Mojo 为这一战略提供了一个面向开发者的入口：用户不必先购买高通芯片，便可以开始试用和集成相关软件。

这项策略的潜在收益并不局限于软件授权收入：

• 吸引开发者： 开放编译器和标准库可以降低试用、集成和二次开发的门槛。
• 拓展硬件合作： 如果同一软件层不仅能运行在高通芯片上，也能运行在竞争对手的芯片上，它对硬件合作伙伴会更有吸引力。
• 扩大生态影响力： 高通可以参与塑造开发者在手机、PC、边缘设备和数据中心中使用的工具链。
• 保留芯片选择权： 开发者或许能够在不同加速器之间迁移工作负载，而高通仍可用自家硬件争取最终部署机会。

高通押注的是“软件覆盖面能够创造硬件机会”。如果 Modular 最终成为多个芯片家族共同使用的 AI 推理层，即便某些部署并不运行在 Snapdragon 或高通数据中心加速器上，高通也能在 AI 技术栈中获得更大的生态影响力。

接下来要看什么

这次发布确立了一个有吸引力的方向，但真正的竞争仍要由实际运行结果来检验。开发者需要重点观察硬件覆盖范围、算子内核质量、模型兼容性、调试工具、部署流程、Windows 支持，以及与成熟 CUDA 软件栈相比的性能表现。

目前最稳妥的结论是：高通旗下 Modular 已经开放了 Mojo 开发者层，并借此推动一个面向多家芯片厂商的 AI 软件生态。但它尚未证明，一套开放软件栈能够在 ModCon 提到的每一种加速器上，都达到 CUDA 的成熟度和性能水平。