突破CUDA包围圈，再出一招

853 0 0

文章摘要

Nvidia在AI行业中的影响力不容小觑，其推出的CUDA平台为AI硬件提供了强大的软件支持。尽管CUDA并非开源，但其免费提供且由Nvidia控制，使得其他公司难以在高性能计算(HPC)和通用人工智能(GenAI)市场抢占份额。

为了突破CUDA的壁垒，出现了SCALE这一新的解决方案。SCALE是英国公司Spectral Compute开发的GPGPU工具链，允许在AMD GPU上本地运行CUDA程序。SCALE利用开源LLVM组件，无需修改即可编译适用于AMD GPU的CUDA源代码，相较于其他转换项目具有显著优势。

SCALE通过与NVIDIA CUDA工具包的兼容性，允许用户直接使用CUDA程序，甚至处理依赖于NVPTX汇编的程序。它已在多个软件中成功测试，包括Blender、Llama-cpp、XGboost等，并在RDNA2和RDNA3 GPU上进行了测试。SCALE的推出旨在与NVIDIA CUDA完全兼容，使用户无需维护多个代码库或牺牲性能来支持多个GPU供应商。

AMD也在通过多种方式跨越CUDA壁垒。AMD的HIP CUDA转换工具允许开发人员为AMD和NVIDIA GPU创建可移植的应用程序。此外，AMD还与第三方合作推出了ZLUDA项目，使AMD GPU能够运行未经修改的二进制CUDA应用程序。尽管AMD对ZLUDA的资助已经结束，但该项目仍在继续。

英特尔也在努力推动跨平台解决方案。英特尔首席技术官Greg Lavender提出使用LLM和Copilot技术将CUDA代码转换为SYCL，以在其他AI加速器上运行。SYCL是一个跨架构抽象层，为英特尔的并行C++编程语言提供支持。英特尔还参与了“统一加速基金会”(UXL)，旨在开发一款开源软件套件，使代码能够在任何机器和任何芯片上运行。

在AI领域，PyTorch逐渐取代TensorFlow成为首选工具。PyTorch是一个开源的机器学习库，用于开发和训练基于神经网络的深度学习模型。PyTorch的底层调用CUDA，但用户与底层GPU架构隔离，使得跨越AMD GPU的CUDA壁垒变得简单。AMD ROCm提供了PyTorch版本，进一步推动了跨平台解决方案的发展。

总之，随着SCALE、HIP、ZLUDA、SYCL和PyTorch等解决方案的出现，Nvidia CUDA在AI和HPC市场的主导地位正面临挑战。这些方案为开发人员提供了更多选择，使他们能够在不同GPU供应商的硬件上运行和优化他们的应用程序。