Nachdem CUDA 13.1 erstmals ein auf Tiles basierendes GPU-Programmierungsmodell eingeführt und die Unterstützung für Python hinzugefügt hatte, hat NVIDIA in CUDA 13.3 diese Funktion nun offiziell auch für C++-Entwickler freigegeben. Das Kernkonzept von CUDA Tile besteht darin, mehrdimensionale Arrays mit „Tiles" als Grundeinheit zu verarbeiten, wodurch Details zur SIMT-Thread-Scheduling, zum Speicherverschieben sowie zu Asynchronitätsmechanismen der unterliegenden Hardware abstrahiert werden. Entwickler müssen lediglich definieren, wie Daten blockweise partitioniert werden sollen, und mathematische Operationen zwischen den Tiles festlegen; der Compiler übernimmt automatisch Parallelisierung, Zugriff auf Shared Memory sowie Aufrufe von Hardware-Funktionen wie Tensor Cores, was die Entwicklungskomplexität von GPU-Kernels erheblich reduziert. Im Vergleich zum traditionellen CUDA-C++-SIMT-Ansatz verringert das Tile-Programming nicht nur den manuellen Codeaufwand, sondern bietet zudem architekturübergreifende Portabilität – derselbe Quellcode passt sich automatisch an Ampere-, Hopper-Architekturen und neuere Generationen an, ohne dass eine hardware-spezifische Neuschreibung erforderlich ist. Entwickler können Tile-Kerne über nvcc mit dem Parameter `--enable-tile` kompilieren, während Nsight Compute ebenfalls integrierte Leistungsanalysen für solche Kerne unterstützt. Als Laufzeitumgebung sind GPUs mit einer Compute Capability von mindestens 8.x, Treiber-Version R580 oder höher sowie das CUDA Toolkit 13.3 erforderlich. Die Funktion steht derzeit allen CUDA-Entwicklern offen; Dokumentation und API-Referenzen stehen auf der NVIDIA-Website bereit.