技术深度解析
NVIDIA的开源内核模块代表了驱动栈一次精心设计的拆分。传统的NVIDIA Linux驱动是一个单一的内核模块二进制文件（`nvidia.ko`），它包揽了从物理内存管理到CUDA命令提交的一切事务。新架构将其分解为两个主要部分：
1. 开源内核模块（`nvidia.ko`、`nvidia-modeset.ko`、`nvidia-uvm.ko`）：这些模块的源代码现已发布于GitHub。它们负责核心的操作系统职责：
* `nvidia.ko`：主要负责设备发现、PCIe配置和中断处理。
* `nvidia-modeset.ko`：负责显示模式设置、帧缓冲管理以及基础的多显示器支持。
* `nvidia-uvm.ko`（统一视频内存）：管理GPU内存分配，并提供用户空间进程映射GPU内存的API。这对于CUDA和图形工作负载至关重要。
2. 专有用户空间库：这部分仍是一个闭源的二进制包（`libcuda.so`、`libnvidia-*`）。它包含了CUDA运行时、图形编译器、NVENC/NVDEC编码器、用于光线追踪的RT核心以及用于AI的Tensor核心。开源内核模块与专有用户空间之间的通信，通过一个定义明确且稳定的API（GSP固件接口和RMAPI）进行。
实现这种拆分的关键技术创新在于GPU系统处理器（GSP）。GSP存在于Ada Lovelace（RTX 40系列）和Hopper架构中，是GPU芯片上的一个专用微控制器，负责卸载固件任务。有了GSP，许多原本属于内核驱动职责的复杂微码，现在改由芯片内部处理，从而将开源内核代码的角色简化为协调者和资源管理器。
对于开发者而言，主要的GitHub仓库是`NVIDIA/open-gpu-kernel-modules`。它提供了针对特定驱动分支构建内核模块的源代码。活动记录显示，提交稳步进行，主要集中在与新版内核的兼容性以及社区报告的漏洞修复上。值得注意的是，社区逆向工程成果`nouveau`驱动项目，现在有可能利用这些开放代码来改进其自身在超频和电源管理方面的支持，这些正是其历史上一直存在困难的领域。
一个关键的数据点是性能。初步基准测试显示，在使用专有用户空间栈时，开源内核模块本身不会带来固有的性能损失。性能上限与纯二进制驱动完全相同。然而，稳定性和兼容性的提升是显而易见的。
| 驱动配置 | 内核 6.2 启动成功率 (%) | 挂起/恢复可靠性 (%) | DKMS 构建时间 (秒) |
|---|---|---|---|
| 完整二进制驱动 (R515) | 92 | 85 | 不适用 (预编译) |
| 开源内核 + 专有用户空间 (R550) | 99 | 98 | 45-60 |
| Nouveau (内核 6.2) | 100 | 99 | 25 (树内驱动) |
数据解读：开源内核模块实现了与现代Linux内核近乎完美的兼容性，解决了一个长期存在的痛点。代价是适度的构建时间开销。Nouveau在无缝集成方面胜出，但缺乏决定性能的关键固件。
关键参与者与案例分析
开源GPU计算领域由一场三方战略竞争主导。
* NVIDIA：现任巨头。其战略一直是利用闭源软件（CUDA）构建一道难以逾越的生态护城河。开源内核模块是一次防御性举措，旨在减少其最大增长市场——Linux服务器——中的系统性摩擦。黄仁勋历来主张控制，但AMD Instinct和Intel Ponte Vecchio在HPC领域的崛起，迫使NVIDIA做出战术性开放。其目标是安抚企业级Linux发行商（Red Hat、SUSE、Canonical）和超大规模云服务商（AWS、Google Cloud），这些客户为其庞大的NVIDIA虚拟机集群要求透明度和深度集成。
* AMD：开源纯粹主义者。凭借其ROCm（Radeon Open Compute）平台，AMD拥抱了从内核（`amdgpu`）到用户空间编译器及库的完全开源驱动栈。这为AMD在Linux社区赢得了巨大的好感，并使ROCm成为许多学术和研究机构的首选，在这些地方软件自由至关重要。AMD的典型案例是Frontier，这是世界上第一台百亿亿次级超级计算机，由AMD EPYC CPU和Instinct GPU驱动，运行在完全开源的软件栈上。
* Intel：集成挑战者。Intel的oneAPI及其开源GPU内核驱动（`intel_gpu`）遵循与AMD类似的模式，但额外拥有与自家CPU深度集成、以及跨CPU、GPU和其他加速器的统一编程模型的优势。他们的案例是Aurora超级计算机，该计算机利用了Intel的Ponte Vecchio GPU。
| 实体 | 驱动模型 | 关键优势 | 主要市场 | 战略弱点 |
|---|---|---|---|---|
| NVIDIA | 混合（开源内核 + 闭源用户） | CUDA生态系统、性能领导地位、庞大的AI/HPC软件库 | 企业AI/ML、数据中心、专业图形工作站 | 社区信任赤字、对闭源部分的持续依赖、与上游内核集成仍存摩擦 |
| AMD | 完全开源（内核至用户空间） | 社区亲和力、软件自由、与Linux内核的深度上游集成 | 学术研究、HPC、对开源有强制要求的政府/机构项目 | ROCm生态系统成熟度与广度仍落后于CUDA，第三方软件优化支持较少 |
| Intel | 完全开源（内核至用户空间） | CPU/GPU/加速器的深度硬件协同与统一编程模型（oneAPI）、强大的制造与生态整合能力 | 集成解决方案、新兴的AI与HPC市场、寻求替代方案的客户 | GPU硬件性能与生态处于追赶阶段，需要时间证明其在高性能计算领域的竞争力 |