DTK（DCU Toolkit）是海光信息为其DCU（深度计算处理器）开发的软件平台，与NVIDIA的CUDA没有严格的版本对应关系，但通过技术兼容实现了对CUDA生态的支持
DTK（DCU Toolkit）是海光信息为其DCU（深度计算处理器）开发的软件平台，与NVIDIA的CUDA没有严格的版本对应关系，但通过技术兼容实现了对CUDA生态的支持。
核心关系：
- 非强对应关系：DTK与CUDA没有固定的版本对应关系，不像CUDA版本之间有明确的升级路径。
- 接口兼容实现：DTK通过cuda mocker技术模拟CUDA部分接口，在dtk2304、2310、2404.1等版本中实现了对CUDA编程模型的兼容。
- 版本兼容进展：DTK-25.04.1版本新增了对CUDA 12.6版本接口的兼容支持，通过HIP运行时提供与CUDA相似的编程体验。
- 生态全面兼容：DTK软件栈完全兼容CUDA和ROCm生态，支持TensorFlow、PyTorch、PaddlePaddle等主流深度学习框架。
技术实现方式：
DTK采用HIP（Heterogeneous-compute Interface for Portability）编程模型，其语法和风格与CUDA高度相似，允许开发人员通过hipify工具将CUDA代码转换为可在DCU上运行的代码。这种设计使得原有基于CUDA开发的应用程序可以在较低迁移成本下平滑迁移到国产平台。
实际应用意义：
对于开发者而言，DTK提供了类似CUDA的编程体验，特别是在核心工具层（数学库、深度学习算子库、通信库等）提供了与CUDA关键库在函数名、参数形式和语义行为上相同或高度相似的API，实现了源代码级的平滑迁移。这使得积累了大量C++/CUDA代码的框架团队与HPC团队能够以较低成本将应用迁移到国产DCU平台。