Nvidia 禁止使用转译层让 CUDA 软件在其他芯片上运行

Nvidia 禁止使用转译层让 CUDA 软件在其他芯片上运行 Nvidia 现在已禁止使用转译层在其他硬件平台上运行基于 CUDA 的软件。CUDA 11.5 中的一条新条款写道：“您不得对使用软件元素生成的输出的任何部分进行逆向工程、反编译或反汇编，以将此类输出工件转换为目标非 Nvidia 平台。”这似乎是为了阻止 ZLUDA 计划，一个让其他平台兼容 CUDA 的转译层。更重要的是，可以阻止中国 GPU 制造商利用带有转译层的 CUDA 代码。虽然 Nvidia 可能短期内无法阻止所有人在其他硬件平台上运行 CUDA ，然而该公司已经为此设置法律障碍。

AMD显卡可以原生跑NVIDIA CUDA应用了 速度还挺快

AMD显卡可以原生跑NVIDIA CUDA应用了 速度还挺快 之后在AMD的支持下，ZLUDA重启了该项目，能够让AMD显卡原生运行CUDA应用，不需要任何转移，也不需要调整代码。唯一要做的，就是用ZLUDA库替代CUDA。虽然它不能保证每一款CUDA应用都跑起来，但已经是以一个巨大的突破。非常可惜，AMD支持这一项目做了两年，也给停了不知道是不是受到了NVIDIA的压力。幸运的是，ZLUDA项目并未彻底消散，已经免费开源，感兴趣有能力的开发者都可以使用，而且确认可以在AMD ROCm平台上无缝运行CUDA应用。比如说，可以将CUDA作为Blender 4.0或者V-Ray的渲染API，尤其是Blender本来就有Radeon HIP计算渲染器，如今跑在ZLUDA上速度还会更快。Andrzej Janik也在继续研究ZLUDA，其中一个目标就是要让AMD显卡运行NVIDIA DLSS。内部测试表明，对比OpenCL方案，其性能大部分时候都更好，最多可以领先超过75％，但因为还在开发之中，部分时候效率反而更低。 ... PC版： 手机版：

Jim Keller：NVIDIA的CUDA不是护城河，是沼泽！

Jim Keller：NVIDIA的CUDA不是护城河，是沼泽！ “CUDA 是沼泽，而不是护城河，”凯勒在 X 帖子中写道。“x86 也是一片沼泽。[…] CUDA 并不漂亮。它是通过一次堆积一件东西来构建的。” 确实，就像x86一样，CUDA在保持软件和硬件向后兼容性的同时逐渐增加了功能。这使得英伟达的平台完整且向后兼容，但它影响了性能并使程序开发变得更加困难。同时，很多开源软件开发框架可以比CUDA更高效地使用。“基本上没有人编写 CUDA，”Jim Keller在后续帖子中写道。“如果你确实编写 CUDA，它可能不会很快。[...] Triton、Tensor RT、Neon 和 Mojo 的存在是有充分理由的。”甚至NVIDIA本身也有不完全依赖 CUDA 的工具。例如，Triton Inference Server 是 NVIDIA 的一款开源工具，可简化 AI 模型的大规模部署，支持 TensorFlow、PyTorch 和 ONNX 等框架。Triton 还提供模型版本控制、多模型服务和并发模型执行等功能，以优化 GPU 和 CPU 资源的利用率。NVIDIA的TensorRT是一种高性能深度学习推理优化器和运行时库，可加速NVIDIA GPU上的深度学习推理。TensorRT 从各种框架（例如 TensorFlow 和 PyTorch）中获取经过训练的模型，并对其进行优化以进行部署，从而减少延迟并提高图像分类、对象检测和自然语言处理等实时应用程序的吞吐量。但是，尽管像Arm、CUDA 和x86这样的架构可能会被认为是“沼泽”，因为它们的演进速度相对较慢、必须向后兼容并且体积庞大，但这些平台也不像GPGPU这样分散，这可能根本不是一件坏事。目前尚不清楚 Jim Keller 对 AMD 的ROCm和英特尔的OneAPI有何看法，但很明显，尽管他花了很多年时间设计 x86 架构，但他并不迷恋其未来前景。他的言论还暗示，尽管他曾在世界上一些最大的芯片制造商工作过一段时间，包括苹果、英特尔、AMD、博通（现在是Tenstorrent）等公司，但我们可能不会在NVIDIA的名单上看到他的名字。 ... PC版： 手机版：

英伟达早在2021年就禁止逆向或反编译CUDA 因此多数转换层都是违规的

英伟达早在2021年就禁止逆向或反编译CUDA 因此多数转换层都是违规的 英伟达的硬件配合 CUDA 技术已经被证实非常高效，因此越来越多的应用程序依赖 CUDA 技术，但如果不是英伟达显卡那该怎么办呢？CUDA 转换层类技术：目前已经有一些 CUDA 转换层类软件，例如 ZLUDA，这种转换层可以让 CUDA 技术在非英伟达硬件上使用，这对于其他显卡制造商来说具有吸引力。然而 CUDA 本身就是英伟达的专有技术，而在非英伟达硬件上运行 CUDA 显然会威胁到英伟达的市场和地位，因此英伟达严禁对 CUDA 技术进行逆向工程、反编译或反汇编。英伟达最近的新动作：该公司最近在 CUDA 技术文档中已经添加关于 EULA 的文本文件，EULA 指的是最终用户许可协议 (End-user license agreement)。英伟达最早是从 2021 年开始在 NVIDIA 官网中的 EULA 文件中声明版权禁止逆向和反编译的，不过最近在 CUDA 新版本 (11.6+) 中也包含了这部分内容的 EULA 文件。显然英伟达现在属于客气的阶段，在文件中添加提醒，如果转换层类开发商仍然不放弃 CUDA 相关技术以及转换层，那么就可能会被英伟达起诉。 ... PC版： 手机版：

NVIDIA封杀转译兼容CUDA 摩尔线程官方：MUSA、MUSIFY不受影响

NVIDIA封杀转译兼容CUDA 摩尔线程官方：MUSA、MUSIFY不受影响 3月5日晚间，摩尔线程发表官方声明回应称，旗下的MUSA、MUSIFY技术均未受影响！摩尔线程强调，MUSA、MUSIFY不涉及NVIDIA EULA相关条款，开发者可放心使用。据介绍，MUSA是摩尔线程自主研发、拥有全部知识产权、软硬一体的全功能GPU先进计算统一系统架构，与CUDA无任何依赖关系。MUSIFY是摩尔线程面向MUSA开发者提供的开发工具，方便在MUSA计算平台上进行应用移植与开发。它可以让开发者将自己的C++源代码，转换成MUSA C++源代码，再通过MUSA编译器MCC编译生成基于MUSA指令集的二进制代码，最终运行在摩尔线程的全功能GPU上。摩尔线程还向开发者提供MUSA SDK，这是摩尔线程GPU并行计算开发SDK的集合，包含了MUSAToolkits（内置运行时/编译器/GPU加速计算库/迁移/优化工具）及计算库、神经网络加速库、通信库等一系列开发工具，可让开发者快速开发出针对摩尔线程GPU优化的并行计算应用。摩尔线程强调，将充分发挥从芯片到显卡到集群的智算产品优势，继续打磨MUSA，持续为大模型训练与推理提供高性能算力支撑。 ... PC版： 手机版：

NVIDIA的AI芯片优势正成为谷歌、英特尔和Arm的目标

NVIDIA的AI芯片优势正成为谷歌、英特尔和Arm的目标 这个名为"统一加速基金会"（UXL）的组织表示，该项目的技术细节应在今年下半年达到"成熟"状态，但没有给出最终的发布目标。该项目目前包括英特尔开发的OneAPI开放标准，旨在消除特定编码语言、代码库和其他工具等要求，使开发人员不再受使用特定架构（如 NVIDIA 的 CUDA 平台）的束缚。上个月，英伟达（NVIDIA）成为首家市值达到 2 万亿美元的芯片制造商，在专注于为人工智能模型提供动力的硬件（如H100和即将推出的H200 GPU）之后，英伟达实现了快速增长。这些英伟达（NVIDIA）芯片将开发者锁定在使用英伟达（NVIDIA）的CUDA架构上，比其他芯片制造商目前生产的任何产品都要优越，但爆炸性的需求造成了产品稀缺，而竞争对手却在继续开发自己的替代品。在 2023 年的 Computex 主题演讲中，NVIDIA 首席执行官黄仁勋表示，有 400 万开发者正在使用 CUDA计算模型。UXL表示，该项目最初的目标是为人工智能应用和高性能计算应用开放选项，但该小组计划最终也支持NVIDIA的硬件和代码。UXL 正在寻求更多芯片制造商以及微软和亚马逊等云计算公司的援助，以确保该解决方案可以部署在任何芯片或硬件上。据传，微软去年曾与 AMD合作开发替代人工智能芯片，以挑战 NVIDIA 在该行业的有效垄断地位。 ... PC版： 手机版：