С помощью CUDA компания NVIDIA создала полноценную программную среду, которая была практически стандартом для вычислений на GPU в течение многих лет и по большей части остается таковой до сих пор. Intel и AMD пришлось реорганизовать свою программную стратегию, чтобы предложить альтернативу. Частично это удалось с oneAPI и ROCm. Главным аргументом в пользу обоих API является то, что они разрабатываются с открытым исходным кодом.
Неоднократно появлялись интересные разработки, с помощью которых аппаратное обеспечение конкурента оказывалось быстрее на альтернативной программной среде, чем с родным решением производителя. Одной из таких разработок стала ZLUDA Анджея Яника (Andrzej Janik), который в рамках проекта временно работал в Intel. ZLUDA (GitHub) была основана на oneAPI Level Zero и позволяла выполнять код CUDA на графических процессорах Intel. С 2022 года Анджей работал в AMD и должен был реализовать аналогичный проект CUDA на ROCm, который, вероятно, удался, но так и не увидел свет.
Сейчас ZLUDA выпущена с открытым исходным кодом и протестирована, в частности, Phoronix. Причем даже не нужно настраивать программное обеспечение CUDA. Двоичные файлы можно просто загрузить и выполнить на GPU AMD.
Бенчмарки Phoronix поражают воображение: в некоторых случаях результаты ZLUDA значительно быстрее родных реализаций ROCm/HIP. Конечно, всегда есть исключения из правил, и производительность иногда отстает от показателей OpenCL или аналогична.
Тем не менее, в определенный момент AMD решила прекратить разработку. Скорее всего, компания хотела полностью сконцентрироваться на собственной платформе ROCm. На сегодняшний день это вполне логично, поскольку ROCm (на низком уровне) и oneAPI становятся все более популярными наряду с CUDA. Однако доминирование NVIDIA по-прежнему незыблемо. Четыре-пять лет назад API ZLUDA мог бы оставить гораздо больший след, но теперь это уже не так. Возможно, ZLUDA положительно скажется на дальнейшем развитии ROCm.
Intel также неоднократно сообщала, что ускорители на GPU NVIDIA иногда работают быстрее на oneAPI, чем на родном CUDA. Тем не менее, большинство прикладного программного обеспечения, скорее всего, будет работать на API, предназначенном для данного оборудования.
Подписывайтесь на группу Hardwareluxx ВКонтакте и на наш канал в Telegram (@hardwareluxxrussia).