CUDA 是英伟达的护城河，还是高性能计算（HPC）的通用语言？
伦敦初创公司 Spectral Compute 给出了一个大胆的答案：CUDA 是标准，但不应被硬件绑定。
- 官网：https://spectralcompute.com
他们推出了名为 SCALE 的编译器，旨在让现有的 CUDA 代码无需重写即可在其他硬件（如 AMD GPU）上高效运行。更令人惊讶的是，其基准测试显示，在 AMD 硬件上，SCALE 的性能显著优于 AMD 自家的 HIPIFY 转换工具，某些场景下甚至提升了近 6 倍。
核心理念：像 CPU 一样对待 GPU
Spectral 的创始人团队拥有约 60 年的 HPC 优化经验。他们的挫折感源于现状：为了使用非英伟达硬件，开发者要么忍受糟糕的性能，要么耗费巨资重写代码。
SCALE 的设计哲学回归了 CPU 编译器的经典模式：
- 源码级重编译：不同于 ZLuda 的二进制翻译或 HIPIFY 的代码转换，SCALE 直接将 CUDA 源代码编译为目标硬件的原生指令。
- LLVM/Clang 底层支持：利用成熟的 LLVM 基础设施，确保代码在不同架构上的正确性与优化潜力。
- 硬件决定性能：正如 C++ 代码在 Intel 和 ARM CPU 上的差异主要源于硬件本身，Spectral 认为 GPU 代码也应如此，编译器不应成为性能瓶颈。
为何优于现有方案？
目前市场上的 CUDA 移植工具各有局限：
| 工具 | 方法 | 局限性 |
|---|---|---|
| AMD HIPIFY | 代码转换 (CUDA -> HIP/C++) | 未充分利用 PTX 等低级特性，性能损耗大，需手动调整。 |
| Intel SYCLomatic | 代码迁移 (CUDA -> SYCL) | 仅自动迁移约 90% 代码，剩余 10% 需人工清理，工作量大。 |
| ZLUDA | 二进制翻译 | 在运行时转换，开销大，性能受损严重。 |
| Spectral SCALE | 源码重编译 | 直接生成原生代码，保留低级优化，性能接近甚至超越原生。 |
Spectral 声称，通过直接从源代码编译并对照 NVCC 输出进行验证，SCALE 能在保持准确性的同时，挖掘出目标硬件的全部潜力。
生态挑战与中立立场
尽管技术路径清晰，但 CUDA 生态的复杂性不容忽视：
- 库依赖：数百个专用库（如 cuBLAS, cuDNN）是应用的核心。Spectral 正努力扩展对这些库的支持，并计划推出 PyTorch 兼容性，以融入主流 AI 工作流。
- 硬件支持：目前主要聚焦 AMD，未来将支持其他 AI 加速器（未公开）。同时，SCALE 也支持英伟达 GPU，旨在通过更好的编译优化进一步提升其性能。
Spectral 强调其中立立场：“我们站在英伟达友好的一面，也站在 AMD 友好的一面。”公司已加入英伟达 Inception 计划，并与橡树岭国家实验室的 Frontier 超级计算机等大型系统合作测试。
商业模型与受众
- 目标用户：科研机构、高校及需要跨平台部署的企业。研究人员缺乏时间重写代码，SCALE 提供了“重新编译即可运行”的捷径。
- 授权模式：向商业用户出售许可证，对学术和非营利组织免费。
- 团队规模：约 30 名员工，正在扩张中。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
