在AI時(shí)代，NVIDIA的CUDA軟件生態(tài)系統(tǒng)憑借數(shù)十年的積累，已成為現(xiàn)代人工智能和高端計(jì)算領(lǐng)域的絕對(duì)霸主。它不僅是PyTorch、TensorFlow等主流框架的默認(rèn)后端，更是NVIDIA在AI硬件市場(chǎng)占據(jù)主導(dǎo)地位的最大“護(hù)城河”。

無(wú)數(shù)開發(fā)者依賴CUDA編寫的高性能代碼，但這也讓AMD和英特爾等競(jìng)爭(zhēng)對(duì)手的GPU難以直接運(yùn)行這些應(yīng)用，迫使開發(fā)者進(jìn)行繁瑣的代碼移植。為了打破這一壁壘，社區(qū)和廠商進(jìn)行了各種嘗試，ZLUDA就是這方面的杰出代表。

作為一個(gè)開源的CUDA“即插即用”替代品，ZLUDA的核心機(jī)制是攔截CUDA API調(diào)用，并將它們重定向到其他GPU運(yùn)行時(shí)（如AMD的ROCm或英特爾的oneAPI），從而實(shí)現(xiàn)無(wú)需修改源代碼即可在非英偉達(dá)硬件上運(yùn)行CUDA應(yīng)用。這類似于Wine在Linux上運(yùn)行Windows程序的原理，但針對(duì)GPU計(jì)算優(yōu)化，尤其適用于AI工作負(fù)載。

ZLUDA的歷史頗為曲折，項(xiàng)目最初由開發(fā)者Andrzej Janik于幾年前啟動(dòng)，旨在為英特爾GPU提供CUDA兼容性。后來(lái)在2022年，AMD悄然資助Andrzej Janik，將ZLUDA適配到AMD Radeon GPU上，使用ROCm作為后端。

這段時(shí)間的開發(fā)讓ZLUDA在AMD硬件上表現(xiàn)出色，甚至在某些場(chǎng)景（如Blender渲染）下性能超過(guò)原生HIP/ROCm路徑。然而，AMD后來(lái)終止資助，項(xiàng)目一度面臨不確定性。幸運(yùn)的是，Andrzej Janik繼續(xù)獨(dú)立維護(hù)，并于2024年初開源了代碼。此后，ZLUDA重獲新生，成為多廠商CUDA實(shí)現(xiàn)的代表，特別聚焦AI和機(jī)器學(xué)習(xí)領(lǐng)域。

近日，ZLUDA又迎來(lái)了具有里程碑意義的升級(jí)：已正式支持AMD最新的ROCm 7軟件框架。這一升級(jí)由首席開發(fā)者Andrzej Janik親自提交合并，并在ZLUDA 6-preview.34版本中發(fā)布，支持Windows和Linux平臺(tái)。

此前，ZLUDA僅兼容ROCm 6.x系列，現(xiàn)在用戶可以直接利用ROCm 7的最新優(yōu)化，包括更好的性能提升、新硬件支持和改進(jìn)的AI加速功能。這意味著，在移植CUDA代碼后，AMD Radeon用戶能無(wú)縫接入“Team Red”的最新軟件棧，充分發(fā)揮如RDNA 3/4架構(gòu)GPU的潛力。

為什么這一升級(jí)如此重要？因?yàn)镽OCm 7帶來(lái)了多項(xiàng)關(guān)鍵改進(jìn)，例如對(duì)更多AMD GPU的原生支持、更高效的內(nèi)存管理和針對(duì)AI訓(xùn)練/推理的優(yōu)化。結(jié)合ZLUDA，用戶無(wú)需等待應(yīng)用開發(fā)者手動(dòng)移植到HIP，就能運(yùn)行大量CUDA-based的AI工具，如Stable Diffusion、ComfyUI或某些LLM推理框架。這大大降低了AMD GPU在AI開發(fā)中的門檻，尤其對(duì)獨(dú)立開發(fā)者、研究者和中小企業(yè)而言。

盡管如此，ZLUDA目前也并非完美，該項(xiàng)目現(xiàn)在也面臨一些比較嚴(yán)峻的困難和挑戰(zhàn)：

1、性能影響：作為翻譯層，ZLUDA在某些工作負(fù)載下可能有輕微開銷，目前缺乏全面的基準(zhǔn)數(shù)據(jù)對(duì)比原生CUDA。2、兼容性限制：并非所有CUDA功能都100%支持，例如OptiX光追或某些高級(jí)PTX指令仍有待完善。3、處于法律灰色地帶：英偉達(dá)近年來(lái)加強(qiáng)CUDA許可條款，明確禁止翻譯層用于商業(yè)目的，這可能影響ZLUDA的長(zhǎng)期發(fā)展。不過(guò)，作為開源項(xiàng)目，它在非商業(yè)場(chǎng)景下仍有廣闊空間。

盡管如此，ZLUDA的進(jìn)展令人振奮，2025年項(xiàng)目團(tuán)隊(duì)已顯著擴(kuò)張，發(fā)布了多個(gè)季度更新，包括ZLUDA 5版本、改進(jìn)的編譯器正確性、自動(dòng)化構(gòu)建和對(duì)LLM（如llm.c）的初步支持。社區(qū)反饋顯示，在Windows上運(yùn)行ComfyUI或Flux等AI生成工具時(shí)，ZLUDA已能提供接近原生的體驗(yàn)，甚至在某些測(cè)試中VRAM占用更低。

另外一方面，業(yè)界還存在一些其他類似的解決方案。比如微軟等公司也在構(gòu)建專有翻譯層，以支持自家AI負(fù)載（如Azure云服務(wù)）。AMD的ROCm本身也在快速迭代，逐步縮小與CUDA的差距。但ZLUDA的核心優(yōu)勢(shì)在于“零修改”，開發(fā)者無(wú)需重寫代碼，就能跨平臺(tái)部署。這在AI行業(yè)快速迭代的今天，特別有價(jià)值。

綜上所述，ZLUDA擁有較大優(yōu)勢(shì)，但是未來(lái)能否進(jìn)入主流AI工作負(fù)載，目前仍然面臨諸多不確定性因素。PyTorch等框架的完整支持是下一個(gè)關(guān)鍵因素，如果成功，它將進(jìn)一步削弱英偉達(dá)的生態(tài)壟斷，推動(dòng)更開放的GPU計(jì)算生態(tài)。

在英偉達(dá) GH200、GB200等超級(jí)芯片主導(dǎo)高端市場(chǎng)的當(dāng)下，ZLUDA等工具的出現(xiàn)，為競(jìng)爭(zhēng)注入了新活力，為AI硬件的生態(tài)注入了多元化的希望。