兼容CUDA这条路，走不通了？芯东西3月6日消息，据外媒报道，英伟达已禁止用转译层在其他GPU上跑CUDA软件。自2021年以来，英伟达已在其在线列出的许可条款中明文禁止使用转译层在其他硬件平台上运行基于CUDA的软件。软件工程师@Longhorn发现这项“禁令”已被添加到安装CUDA 11.6及更新版本包含的最终用户许可协议（EULA）中。
英伟达CUDA 11.6及更高版本的EULA有一条限制条款：“您不能逆向工程、反编译或反汇编使用此SDK生成的任何结果，并在非英伟达平台上进行转译。”
▲英伟达CUDA EULA相关限制条款截图
EULA链接：
https://docs.nvidia.com/cuda/eula/index.html
一石激起千层浪。GPU行业长期患有“CUDA依赖症”，英伟达多年来不断巩固的CUDA生态墙就像铜墙铁壁，是其他GPU新秀难以望其项背的关键壁垒。为了迎合市场需求，一些非英伟达的GPU平台选择兼容CUDA，以站在英伟达生态的肩膀上去拥抱GPU开发者。
这一消息随即引起讨论：CUDA兼容禁令意味着什么？是否会对国内GPU企业产生不利影响？对此，北京GPU独角兽企业摩尔线程发声明澄清：“摩尔线程MUSA/MUSIFY不涉及英伟达EULA相关条款，开发者可放心使用。”
▲摩尔线程的澄清声明部分内容截图
据Tom’s Hardware报道，兼容CUDA有两种常见做法：重新编译代码（可供相应程序的开发人员使用），使用转译层。其中第一种重新编译现有CUDA程序的做法是合规的。AMD和英特尔都有工具来分别将CUDA程序迁移到他们的ROCm和OpenAPI平台上。一些国内GPU企业也采用了类似的兼容思路。EULA条款主要禁掉的是第二种，使用像ZLUDA开源库之类的转译层。外媒称这是在非英伟达硬件上运行CUDA程序的最简单方法。此前英特尔和AMD都支持过ZLUDA项目，但后续又都停止了。ZLUDA利用ROCm技术栈上实现CUDA应用二进制兼容，支持无需修改代码就能在AMD硬件平台上运行CUDA应用。开发者之所以对英伟达GPU长期专情，就是因为CUDA已经足够好用，跟英伟达GPU硬件的软硬协同也做到最好，没必要换个新平台重头熟悉，而且其他平台还可能存在出现潜在bug的风险。然而如果能实现在其他硬件上跑CUDA，虽然会有一定性能损失，但对缩小与英伟达的生态差距已经相当有利。这多少会威胁到英伟达在加速计算领域的霸主地位，英伟达做限制也不意外。随着生成式AI越来越火，被视作英伟达GPU护城河的CUDA，其兼容性已成一个热门话题。去年在纽约举行的一次活动上，英特尔CEO基辛格在对CUDA技术大加赞赏的同时，也坦言“整个行业都在积极消除CUDA市场”。当时他列举了MLIR、谷歌、OpenAI等例子，暗示他们正转向“Pythonic编程层”，使AI训练更加开放。他认为“CUDA护城河又浅又小”，其主导地位不会永远持续下去，因为行业有动力为广泛的训练、创新、数据科学等带来更广泛的技术。AMD CEO苏姿丰去年接受外媒采访时谈到自己不相信护城河，在她看来，过去开发者倾向于使用针对特定硬件的软件，但展望未来，每个人都在寻求构建与硬件无关的软件能力，人们希望确保能从一种基础设施迁移到另一种基础设施，因此正在构建这些更高级别的软件。上个月，硅谷芯片架构大神Jim Keller也在社交平台上发牢骚：“CUDA是沼泽，不是护城河。”他吐槽写CUDA效率低下，Triton、Tensor RT、Neon、Mojo的存在是有很好理由的。
可以说，AI芯片和GPU领域苦CUDA久矣，业界对这种封闭生态已经颇有微词。兼容CUDA只是权宜之计，有长期雄心的芯片大厂或初创公司都在构建自主软件生态，并力挺更加开放的生态。以OpenAI Triton为代表的开源编程语言正成为对抗CUDA封闭阵营的关键力量，通过极大简化GPU加速编程过程、显著减少编译新硬件所需的工作量，减弱开发者对CUDA的依赖。与此同时，当GPU短缺问题愈发严重，迫切需要更多计算能力的AI企业可能会越来越多考虑AMD、英特尔等竞争对手的替代品。当它们纷纷撸起袖子推出性能强大且更加经济高效的GPU产品时，英伟达的霸主地位将受到挑战。而从商业决策的角度来看，着眼于解决复杂视觉计算问题、持续创新的英伟达，也有充分理由来捍卫自己长期积累下来的知识产权和商业硕果，让客户与其生态系统产生更加牢固的粘性。
暂无评论内容