Spectral Compute 要让 CUDA 摆脱 Nvidia 束缚
Alternative(s) to run CUDA on non-Nvidia hardware
Nvidia 凭借 GPU 硬件大获成功，其 CUDA 语言更成了 AI 和 HPC 领域的默认标准。但 Spectral Compute 团队受够了硬件绑定和高昂成本，决定让 CUDA 代码能在非 Nvidia 芯片上运行。他们推出了 SCALE 编译器，基于 CLang 和 LLVM 技术，作为 NVCC 的直接替代品。相比 AMD 的 HIPIFY 或 Intel 的 SYCLomatic，SCALE 在 AMD GPU 上实现了近 6 倍的性能提升，甚至还能优化 Nvidia 自家硬件的表现。Spectral 已与 Nvidia 建立合作，保持中立立场，致力于打破生态壁垒，让开发者自由选择硬件。
我们需要接受 CUDA 是高性能计算事实标准这一现实，然后作为编译器工程师，努力将其移植到非 Nvidia 平台上，甚至提升其在 Nvidia GPU 上的表现。
- 有开发者指出 CUDA 凭借默认简单路径和完善的生态，在易用性上碾压设计过度复杂的 Vulkan，导致后者即便跨平台也难以普及。
- 一位从业者对比 AMD ROCm 与 CUDA 的硬件支持周期，认为消费级 AMD 显卡支持窗口短且滞后，对普通用户而言是维护负担沉重的陷阱。
- 评论者反驳了‘高性能计算应避开 CUDA 翻译层’的观点，强调 SOTA MLPerf 提交仍依赖 CUDA，且 Spectral 的 SCALE 是原生编译器而非简单的翻译层，能利用原生指令实现加速。
- 有用户质疑 Spectral 编译器不开源，认为这本质上只是另一种形式的 Vendor Lock-in，且目前对生产级代码的库兼容性尚不成熟。
- 针对跨平台难题，有观点认为 PyTorch 等高层工具已能解决非 Nvidia 硬件的使用需求，而追求极致性能的底层开发本就不应依赖 CUDA 翻译方案。