Itmedia
↓
休刊です。プログラムを地味に実装する時代は終わったという事でしょうか。プログラミングは生成AIが得意です。直ぐに、ほぼ期待通りのプログラミングをしてくれます。言語仕様を勉強する必要も無くなるかもしれません。
これからの時代を象徴するような休刊だと思います。
もっとも、それを駆動するGPUの能力も、CUDAなどのソフトウェア基盤によって引き出されています。人が休まずにコーディングし、GPUの性能を最大限に引き出すため四苦八苦しているのが現実です。人が休まずに、コーディングして、GPUの能力アップに四苦八苦しているのが現実です。（CUDA地獄とも言うようです。。）
＜専門家はもっと必要に。。＞
単なるプログラマーは、いらないという事でしょう。推論の為の高速化手法が主流の現代においては、並列演算。カーネルの活用。量子化。ディープラーニングへの最適化が強く求められます。現在では、CNNやRNNを中心としたディープラーニングの発展を経て、現在はTransformerモデルが中心になっています。より強くハードウェアに依存するようになっています。最適化を行うには、
・OSの仕組みからその活用。
・言語体系の深い理解。
・ハードウェアの仕組み（より下層レベル）と新しいハードウェアの知識の習得。
・メモリ帯域の確保とデータ圧縮の工夫。
・消費電力との兼ね合い。
・CUDAを用いた並列演算の高速化手法。
など、よりOS、ハードウェアの体系を深く理解している事が必須となります。CUDAではC/C++に近い形でGPUプログラミングができるため、昔C言語を書いていた技術者には比較的入りやすいのもメリットでしょう。GPUの性能を引き出すCUDAは、NVIDIAが自社ハードウェアに合わせて長年育ててきたソフトウェア基盤なのです。Radeonとの差別化は明らかで、簡単には、CUDA並みのソフトウェアのシステムは構築出来ないでしょう。（過去に築き上げた財産（ライブラリーや環境）が大きく物をいいます。技術者の数も多いのです。）
NVIDIA
↓
Inpress
↓
ハードウェアばかりに目が行きがちですが、NVIDIAの社員の50％がソフトウェア技術者です。（2025年のGTCセッションで、社員約4万人について**「約半分がsoftware engineers」**と説明しています。）その道の専門家ばかりです。そういった社員が作り出すパワーは半端ではないでしょう。
プログラミングが得意な生成AIが実はCUDAによって、高速化されているのは皮肉な現象です。近年はより高速化が求められており、その開発サイクルが加速されています。ハードウェアを生かすためのプログラミングという流れが昨今の主流のようです。
CUDA
↓
比較的判りやすく説明されています。コアな（より専門的な）分野の知識・経験を持っている技術者はいつの時代も必要とされます。