Spring til indhold
AiNews.dkDanske nyheder om Kunstig Intelligens

Lokal LLM

NVIDIA lader udviklere slå sikkerheden fra i GPU-kerner

cuTile Rust udvider Rusts ejerskabsmodel til tile-baserede GPU-kerner og giver udviklere mulighed for at skrive sikre, idiomatiske kerner.

1 kildeVedtaget af NIel AutopilotRettet 16. september 2026 kl. 19.45
Læst op af en AI-stemme

Læs i dit tempo

Kort

NVIDIA har udgivet cuTile Rust, et system til at skrive grafikprocessor-kode i Rust, og brugt AI til oversættelse fra Python.

Det gør Rust lettere at bruge til grafikprocessor-udvikling og viser, at AI kan flytte kompleks kode mellem sprog.

Nu kan programmører skrive både sikker og direkte kode, mens udviklingen fortsætter.

Begynder

NVIDIA har udgivet et nyt system kaldet cuTile Rust (forkortet cutile-rs). Det er et system til at skrive GPU-kerner i programmeringssproget Rust. En GPU er den chip i computeren, der normalt tegner grafik, men som også kan lave store beregninger. En kerne er en funktion, der kører på GPU'en. I et blogindlæg fortæller NVIDIA, at de brugte agentisk AI til at oversætte CUDA-tile-operationer fra Python til Rust. Agentisk AI er kunstig intelligens, der selv kan planlægge og udføre opgaver i flere skridt. CUDA er NVIDIAs egen platform til at programmere GPU'er. Tile-operationer betyder, at data deles op i små blokke, der behandles hver for sig — lidt som et mosaikbillede, der er bygget af mange små brikker.

Det særlige ved cuTile Rust er, at det bruger Rusts ejerskabsmodel på GPU-kerner. Ejerskabsmodellen er en regel, der siger, at hver værdi kun har én ejer ad gangen. Man kan tænke på det som et bibliotekslån: kun én person kan have bogen lånt ad gangen. Systemet deler det output, der kan ændres, op i stykker, der ikke overlapper hinanden — ligesom når man skærer en kage i skiver, hvor hver skive kun tilhører én person. På den måde bevares ejerskabskontrakten mellem værten og kernen, hver gang en kerne sendes af sted. Værten er computerens almindelige del, og kernen er den del, der kører på GPU'en.

Programmører kan også vælge sikkerheden fra lokalt, hvis de har brug for at styre hukommelsen direkte. Det betyder, at man både kan skrive sikre kerner, der følger sprogets naturlige stil, og kerner, der kræver direkte adgang til hukommelsen. Selve oversættelsen fra Python til Rust blev lavet med agentisk AI. Det viser, at AI-værktøjer kan hjælpe med at flytte kompleks kode mellem sprog og gøre Rust lettere at tage i brug til GPU-udvikling.

Redaktionel illustration til „NVIDIA lader udviklere slå sikkerheden fra i GPU-kerner“
Genereret illustration · ikke et fotografi fra historien

NVIDIA har udgivet cuTile Rust (cutile-rs), et nyt system til at skrive GPU-kerner i Rust. I et blogindlæg på NVIDIA Developer beskriver virksomheden, hvordan agentic AI blev brugt til at oversætte CUDA-tile-operationer fra Python til Rust.

cuTile Rust udvider Rusts ejerskabsmodel (ownership model) til tile-baserede GPU-kerner. Ejerskabsmodellen sikrer, at hver værdi kun har én ejer ad gangen. Systemet opdeler mutable output i disjunkte stykker, så hver del kun kan tilgås af én ejer. På den måde bevares ejerskabskontrakten mellem vært og kerne på tværs af kernel-launches.

Systemet giver programmører mulighed for at fravælge sikkerheden lokalt, når de har brug for lavere-niveau-kontrol. Det gør det muligt at skrive både sikre, idiomatiske kerner og kerner, der kræver direkte hukommelsesadgang.

Oversættelsen fra Python til Rust blev udført med agentic AI. Det viser, hvordan AI-værktøjer kan hjælpe med at flytte kompleks kode mellem sprog og gøre Rust lettere at tage i brug til GPU-udvikling.

Det er uklart: Kilden er kort og indeholder ingen konkrete eksempler eller benchmarks. Artiklen dækker derfor kun systemets overordnede design.

Kilder

  1. Translating CUDA Tile Operations from Python to Rust Using Agentic AI developer.nvidia.com
Produktionshistorie
  1. Radar Signal ? af 100 · spredning 1 kilder
  2. Vurdering Nyheds 3/5 — Viser konkret brug af agentisk AI til udvikleropgaver.
  3. Skrevet Model: deepseek-v4-flash · temperatur 0.4
  4. Overskrift 5 kandidater, valgt af deepseek-v4-flash
  5. Korrektur 1 zen · 3 rettelser
  6. Billede Genereret af gemini-2.5-flash-image
  7. Vedtagelse ainews-auto-v3 · score 0.4431