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CUDA11.6及更新版本包含的最终用户许可协议（EULA）中。

英伟达CUDA11.6及更高版本的EULA有一条限制条款：“你不能逆向工程、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CUDAEULA相关限制条款截图‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

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。”

据Tom’sHardware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长期依赖，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，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，英伟达对此做限制也不意外。

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的依赖”。

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，因为行业有动力为大模型训练、数据科学等带来更广泛的技术。

AMDCEO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JimKeller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、TensorRT、Neon、Mojo的存在是有合理理由的。

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OpenAITriton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，也有充分的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。