近期，Nvidia更新了其CUDA软件许可条款，新增了一项规定，明确禁止在非Nvidia硬件平台上利用翻译层运行基于CUDA的软件。这一政策变动应该是为了防止ZLUDA项目以及其他GPU制造商通过翻译层使用CUDA代码，这个事情引起了业界的关注。软件工程师Longhorn最先发现了这一变化，CUDA 11.5中的新条款明确指出：“禁止对使用软件元素生成的任何输出进行逆向工程、反编译或解构，以将此类输出成品翻译适配至非Nvidia平台。”
Nvidia硬件配合CUDA的高效性能，使其成为众多程序的首选依赖。然而，随着更多具有竞争力的硬件问世，越来越多的用户希望能在其竞争对手的平台上运行他们的CUDA程序。实现这一目标主要有两种方法：重新编译代码（适用于程序的开发者）或使用翻译层。不难理解，使用如ZLUDA这类翻译层，在非Nvidia硬件上运行CUDA程序成为了最便捷的途径。尽管AMD和Intel已经决定不进一步开发ZLUDA，但也许只是出于法律层面的规避，并不意味着翻译技术失去了可行性。
不单单AMD和Intel，现在也有很多GPU制造商声称能够运行CUDA代码。例如，国内有家公司宣称设计出一种与CUDA/OpenCL等编程模型兼容的计算架构。如果考虑到逆向工程的难度（除非已掌握有关Nvidia GPU架构的所有底层细节），这里很可能也采用了某种翻译层技术。
显然，英伟达的CUDA生态是他最大的护城河。当第三方的翻译工具未成气候时，公司对第三方工具是睁一只眼闭一只眼，因为第三方工具的繁荣，也会促进CUDA的生态圈。但随着诸如MI300这样强劲的竞品出现时，那么老黄势必要往河里灌水了，加深护城河从而抬高竞争壁垒。即便这个市场大到自己根本吃不完，但也不能拱手让给竞争对手。
这项条款在CUDA 11.4版本中尚未出现，因此，利用CUDA 11.4及更早版本的编译器编译的应用程序，仍可在非Nvidia处理器上通过翻译层运行。从长远来看，Nvidia无疑会通过设置法律障碍，阻止在第三方硬件上通过翻译层运行CUDA程序，这对Nvidia可能是有益的，但对AMD、Intel以及其他AI计算硬件开发商则可能产生不利影响。
而重新编译现有CUDA程序仍然是完全合法的。为了简化这一过程，AMD和Intel分别提供了工具，帮助将CUDA程序移植到他们的ROCm和OpenAPI平台。
对于AMD、Intel、Tenstorrent这样的后来者来说，一方面持续推出更优秀的硬件，建立自己的软件生态，吸引更多软件开发者为这些新平台设计软件。另一方面则利用开源社区提供的兼容工具来规避风险，也是一步高明的棋。那么未来继续是英伟达一家独大呢？还是像当下的PC市场，至少是三分天下？我们拭目以待。
0 comments:
New comments are not allowed.