Loongson hat am 22. September die erste Softwareversion seiner eigenen GPU-Plattform veröffentlicht. Die Loongson GPU-Plattform unterstützt die Programmierschnittstellen OpenCL 3.0 und CUDA, mit denen ein Großteil aller KI-Anwendungen für Grafikkarten geschrieben wird.[1]
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Der chinesische Chiphersteller zielt damit auf die größte Hürde beim Umstieg weg von Nvidia. Nicht die Grafikchips binden die KI-Branche an den US-Konzern, sondern dessen Software CUDA, auf der ein Jahrzehnt an Werkzeugen aufbaut.
Das Wichtigste in Kürze
- Loongson veröffentlichte am 22. September die erste Version seiner Accelerated Computing Platform für die eigenen GPU-Kerne der LG200-Reihe.
- Die Plattform bringt einen kompletten Stack mit: Treiber, Compiler, Laufzeit, Operatorbibliotheken, Inferenz-Engine sowie Debug- und Analysewerkzeuge.
- Dazu kommen OpenCL 3.0 und die CUDA-Schnittstelle sowie die eingebundene Laufzeit ONNX Runtime, sodass Modelle aus PyTorch und TensorFlow ohne Umwandlung laufen.
- Ziel ist der leichtere Wechsel weg von Nvidia, dessen CUDA-Lizenz das Ausführen über Übersetzungsschichten auf fremder Hardware seit 2024 untersagt.
Was hat Loongson genau veröffentlicht?
Eine komplette Software-Schicht. Die Plattform deckt Treiber, Compiler, Laufzeitumgebung, Operatorbibliotheken, eine Inferenz-Engine sowie Werkzeuge zum Debuggen und zur Leistungsanalyse ab.[1] Der Stack setzt auf den GPU-Kernen der LG200-Reihe auf, die im Chip 2K3000 und im Grafikchip 9A1000 stecken.
Standardformate statt Insellösung. Neben OpenCL 3.0 und der CUDA-Schnittstelle bringt die Plattform Bibliotheken für Matrix- und neuronale Operationen mit, optimiert für die Datentypen FP32 und INT8. Über die Laufzeit ONNX Runtime laufen aus PyTorch oder TensorFlow exportierte Modelle nach Angaben von Loongson ohne zusätzliche Umwandlung.
Warum ist CUDA die eigentliche Hürde?
Nvidias Vorsprung liegt in der Software. Seit über einem Jahrzehnt entstehen fast alle KI-Werkzeuge auf CUDA, Nvidias Programmierumgebung für Grafikkarten. Ein Wechsel des Chips zwingt Entwickler sonst dazu, ihren Code neu zu schreiben, was den Umstieg teuer macht. Dieser Software-Vorsprung bindet die Kundschaft an Nvidia und steht im Zentrum des französischen Kartellverfahrens um CUDA.
Kompatibilität statt Kopie. Nvidia untersagt in seiner CUDA-Lizenz seit Version 11.6 das Ausführen der Software über Übersetzungsschichten auf fremder Hardware und zielt damit ausdrücklich auf chinesische GPU-Anbieter.[2] Loongson setzt deshalb an der Programmierschnittstelle an, nicht an fertigen Nvidia-Dateien. Denselben Weg verfolgt Moore Threads mit seiner eigenen GPU-Architektur.
Warum die Kompatibilität zählt
Über die Laufzeit ONNX Runtime laufen aus PyTorch und TensorFlow exportierte Modelle nach Angaben von Loongson ohne zusätzliche Umwandlung. Diese Portierbarkeit senkt den Aufwand, für Nvidia entwickelte KI-Software auf Chinas eigene Grafikchips zu übertragen.
Nicht der Chip bindet die KI-Branche an Nvidia, sondern die Software darüber. Genau diesen Vorsprung greift Loongson jetzt an, statt nur eine weitere Grafikkarte zu bauen.
— Michael Dobler, Herausgeber Dr. Web
Was bedeutet das für Europa?
Der Umstieg bleibt Kleinarbeit. Kompatibilität auf dem Papier ersetzt keine Reife: Loongsons Grafikchips liegen bei Rechenleistung und Treiberqualität weit hinter Nvidia. Portierter Code läuft zudem selten auf Anhieb rund. Für Chinas Industrie zählt trotzdem jeder Schritt weg von der US-Abhängigkeit im KI-Wettlauf, wie schon DeepSeeks KI-Training auf Huawei-Chips zeigt.
Auch Europa hängt an CUDA. Die Sperren der US-Regierung für moderne Grafikkarten treiben Peking dazu, einen eigenen Software-Unterbau zu bauen. Für europäische Entscheider, die eigene Rechenkapazität aufbauen, sitzt dieselbe Abhängigkeit im Nacken. Offene Formate wie ONNX und OpenCL im Technik-Stack halten den Ausweg aus der Bindung an einen einzigen Anbieter offen.
Was ist die Loongson Accelerated Computing Platform?
Die Loongson Accelerated Computing Platform ist eine Software-Schicht für Loongsons eigene GPU-Kerne der LG200-Reihe. Sie umfasst Treiber, Compiler, Laufzeit, Operatorbibliotheken, eine Inferenz-Engine sowie Debug- und Analysewerkzeuge und erschien am 22. September 2026 in erster Version.
Kann Loongsons GPU CUDA-Programme direkt ausführen?
Nicht als fertige Nvidia-Dateien. Die Plattform unterstützt die CUDA-Programmierschnittstelle auf Quellcode-Ebene, sodass Entwickler für Nvidia geschriebenen Code neu kompilieren und mit geringem Aufwand auf Loongsons Chips ausführen. Fertige Nvidia-Binärdateien laufen nicht ohne Weiteres.
Warum ist CUDA für Nvidia so wichtig?
CUDA ist die Software-Umgebung, in der seit über einem Jahrzehnt fast alle KI-Werkzeuge für Grafikkarten entstehen. Dieser Software-Vorsprung bindet Entwickler stärker an Nvidia als die Chips selbst, weil ein Wechsel der Hardware sonst das Umschreiben des Codes bedeutet.
Ist CUDA-Kompatibilität auf fremden Chips erlaubt?
Nvidia untersagt in seiner CUDA-Lizenz seit Version 11.6 das Ausführen von CUDA über Übersetzungsschichten auf fremder Hardware. Anbieter wie Loongson setzen deshalb auf Kompatibilität der Programmierschnittstelle im Quellcode, nicht auf das Ausführen fertiger Nvidia-Programme.
Quellen
[1] IT之家 (IT-Home): „龙芯发布自研通用 GPU 加速计算平台首个软件版本：支持 OpenCL 3.0、CUDA 及 AI 推理“
[2] Nvidia: „CUDA Toolkit End User License Agreement“
Mehr Newshunger?
- Alibabas KI-Chip Zhenwu V900: 20 Gigawatt Rechenzentren bis 2032
- China zertifiziert eigene Prozessoren: Loongson und Kunpeng erreichen die höchste Sicherheitsstufe
- Licht statt Stecker: Huawei bündelt 4.096 KI-Chips zum Supernode
- Zwölf Milliarden Euro in drei Jahren: Cambricons Wette auf das Ende von Nvidia in China
- Moore Threads stürzt 20 Prozent: Chinas GPU-Aktien im Ausverkauf
- Hygon verlässt das Rechenzentrum: Chinas Chip-Konzern baut für Roboter und Maschinen
