NVIDIA CUDA Toolkit 13.4 estende lo sviluppo CUDA a Windows on Arm64. Le applicazioni accelerate potevano già utilizzare piattaforme Arm con Linux; la nuova versione permette ora agli sviluppatori di iniziare porting, verifica delle dipendenze e test anche sui sistemi Windows on Arm esistenti.
L’aggiornamento prepara l’arrivo dei notebook NVIDIA RTX Spark previsto a ottobre e introduce supporto funzionale preliminare per l’architettura Rubin, insieme a nuovi strumenti per condividere GPU, spostare dati su NVLink e programmare in Python.
Gli sviluppatori possono preparare ora le applicazioni per RTX Spark
CUDA 13.4 consente di compilare e verificare i percorsi software Arm64 su computer Windows compatibili prima della diffusione dell’hardware RTX Spark. Il supporto riguarda lo sviluppo CUDA e non trasforma automaticamente in native le applicazioni o le librerie che dipendono ancora da componenti x86.
Il lavoro preliminare permette di individuare dipendenze mancanti, adattare il sistema di build e testare l’esecuzione accelerata. NVIDIA prevede i primi laptop RTX Spark nel mese di ottobre 2026.
Supporto funzionale anticipato con target SM_107
Il toolkit aggiunge una preview dell’architettura NVIDIA Rubin con compute capability 107. Il nuovo target SM_107 consente di iniziare a portare e validare il codice prima che il supporto raggiunga la disponibilità generale in una futura versione CUDA.
Sulle piattaforme coerenti come Grace Hopper, Grace Blackwell e Vera Rubin, la gestione della memoria passa inoltre per impostazione predefinita a Coherent Driver-based Memory Management, mantenendo NUMA come opzione configurabile.
MPS V3 controlla memoria, priorità e partizioni
Multi-Process Service V3 introduce una CLI utilizzabile negli script, istanze server con nome, namespace e configurazione TOML. I limiti della memoria GPU possono essere integrati con i cgroup, mentre i controlli sugli SM permettono una ripartizione più precisa delle risorse.
CUDA Compute Fabric Transport aggiunge invece un’API orientata al trasporto per spostare dati attraverso il fabric NVLink usando endpoint logici e operazioni asincrone put, get e reduction. È rivolta soprattutto agli sviluppatori di librerie di comunicazione.
CUDA Python 1.1, CCCL 3.4 e nuovi profiler Nsight
cuda.core 1.1 aggiunge programmazione di texture e surface, memoria gestita consapevole dei nodi NUMA, integrazione migliorata con CUDA Graph e type stub completi. cuda.compute 1.1 può compilare in anticipo algoritmi CCCL per più architetture anche su sistemi di build senza GPU.
CCCL 3.4 accelera DeviceScan sulle GPU Blackwell fino al 92% della banda di memoria nei test NVIDIA e amplia le API a singola chiamata. Nsight Compute 2026.3 e Nsight Systems 2026.5.1 ricevono infine supporto per Tile IR, Rubin e Windows on Arm.
