英伟达下“封杀令”：禁止模拟CUDA！国产GPU企业回应！

兼容 CUDA，这条路走不通？

根据外媒3月6日的消息，英伟达禁止了其它图形处理器中的转换层来执行 CUDA程序。

从2021年开始，英伟达发布了一份在线授权协议，其中就包括了一条禁止在其它硬件平台上运行 CUDA系统的授权协议。软件工程师@Longhorn发现，《最终用户许可协议》（EULA）在 CUDA11.6及以后的安装中加入了这项"禁令"。

英伟达™ CUDA11.6及以上版本的 EULA中有一条限定：“不能逆向工程，反编译，或反编译，或反编译，或反编译，利用这个 SDK将其转化为非英伟达™（NVIDIA®）的产品”。

屏幕上显示与 NVIDIA CUDA EULA相关的受限

GPU产业长久以来都被" CUDA之瘾"所折磨，而 CUDA的“生态墙”则是英伟达多年来不断强化的一道壁垒，对其它新 GPU来说，是一道不可逾越的天堑。而英伟达以外的 GPU平台，也开始向 CUDA靠拢，希望能够借助英伟达的生态系统，吸引更多的 GPU开发者。

这个新闻立刻引起了争论：禁止 CUDA兼容是什么意思？这会不会给国产 GPU公司带来不利的影响？

作为回应，北京 GPU独角兽公司摩尔线发布了一份声明，“摩尔线”并未包括任何与微软/MUSIFY NVIDIA EULA相关的条款，开发商可以安心地使用它。

▲莫尔的澄清发言的一小段截图

汤姆的 Hardware表示，在 CUDA兼容性方面，通常有两种方法：对软件开发者进行重编译，以及转换层。

首先，对已存在的 CUDA程序进行了重编译。AMD与英特尔在 ROCm与 OpenAPI平台上均已实现了 CUDA程序的移植。部分国产 GPU厂商也采取了相似的兼容思想。

欧洲联盟条款最大限度地禁止了后一条，甚至在使用 ZLUDA开放源码图书馆这样的转换层次时也是如此。据外媒报道，这是最容易在非英伟达的硬件上运行 CUDA软件的方式。

英特尔与 AMD先前曾对 ZLUDA计划提供过资助，但随后两家公司均中止了这项计划。ZLUDA采用 ROCm技术堆栈，实现了 CUDA系统的二进位兼容性，并且可以在 AMD的硬件环境下，不需要对其进行任何修改。

英伟达的 GPU开发人员非常喜欢这款 GPU，一方面是它的性能本身就很不错，另一方面，英伟达™ GPU在硬件和软件方面都非常出色，完全没有必要再去适应新的平台，而另一种平台，却有很大的隐患。

然而，如果 CUDA能够被应用到其它的硬件上，那么英伟达将会获得更大的优势，从而缩短整个生态系统之间的鸿沟。英伟达对英伟达的加速运算能力构成了一定的威胁，这一点并不令人意外。

伴随着产生型人工智能的兴起， CUDA作为英伟达™ GPU的护城河，已经成为了业界关注的热点。

英特尔总裁基辛格去年在纽约举办的一个会议上对 CUDA技术大加赞赏，同时也意识到“全产业正在积极地消除 CUDA市场”。

那时， MLIR引用了谷歌， OpenAI以及其它一些公司的例子，说为了让人工智能教育变得更公开，它们将会迁移到" Pythonic编程层"。他说，“CUDA的护城河很浅，而且很小”，而且它的统治地位也不会长久，这是由于它在教育，创新，数据科学等方面的广泛应用的推动力。

苏姿丰， AMD的 CEO，在去年对外国媒体说，他不信任“护城河”。他说，以往开发者都喜欢针对某一种硬件而设计的特殊软件，但是随着时间的推移，大家都在致力于独立于硬件的软件能力，并且希望能够在不同的架构之间转换，最终建立起更高级的软件。

上月，硅谷的芯片设计大师吉姆-凯勒在一家社交网站上发出了这样的感慨：“CUDA是一片沼泽地，而非水沟。”他提到了写 CUDA的低效，还有 Triton, TensorRT, Neon和 Mojo的原因。

可以说，在 AI芯片与 GPU领域，长期受到 CUDA的影响，行业内对于这种封闭的生态环境也是怨声载道。与 CUDA兼容只是暂时的，而对于芯片生产商和创业公司来说，构建自己的软件生态系统才是长久之计。

开源语言 OpenAI Triton （OpenAI Triton）作为一种新兴的工具，极大地简化了 GPU的编程速度，降低了 CPU对 CUDA的依赖性，降低了 GPU的性能。

与此同时，由于 GPU资源日益紧缺，对运算性能要求较高的人工智能企业，或将日益关注其竞争者，如 AMD、英特尔。随着英伟达卷起衣袖，发布更加强大和性价比更高的图形处理器，英特尔的统治地位将面临挑战。

站在业务层面， NVIDIA公司有足够的理由维护自己长久以来所累积的知识产权及商业上的成就，持续不断地进行创新，并将重点放在与用户之间的关系上。