文章摘要
Spectral Compute公司试图打破NVIDIA CUDA的垄断，让CUDA软件能在非NVIDIA的GPU上运行。文章探讨了这一技术能否成功，以及它对高性能计算和AI行业可能带来的影响。
文章总结
好的，这是根据您提供的文章内容，使用中文重新陈述的主要信息，已保留关键细节并删减了与主题无关的内容。
标题：Spectral Compute 旨在“解放”CUDA，它能成功吗？
英伟达（Nvidia）因其GPU的巨大成功而主要被视为一家硬件公司，但其CUDA编程语言也使其成为软件领域的一股强大力量，该语言已成为AI和高性能计算（HPC）开发者的事实标准。现在，一群来自Spectral Compute的CUDA专家正试图将CUDA语言从英伟达的硬件中“解放”出来，允许用户在其他芯片上运行他们的CUDA代码。
Spectral Compute成立于2018年，由四位工程师共同创立。他们因对CUDA代码被硬件锁定的现状感到不满，并受够了英伟达GPU的高昂成本以及替代编译器的糟糕性能，决定自行开发解决方案。他们开发了一款名为SCALE的产品，该产品利用CLang和LLVM编译器技术，可作为英伟达CUDA编译器NVCC的直接替代品。SCALE最初的目标是AMD GPU，但现在其目标已扩展至其他AI加速器。该公司也支持英伟达GPU，其理论是英伟达为了销售更多硬件，在软件性能优化方面有所保留。
Spectral的增长负责人Giulio Malitesta表示，CUDA是HPC领域的事实标准，约占HPC代码总量的80%。他认为应该接受这一事实，并作为编译器工程师努力使其在非英伟达平台上也能运行，同时也在英伟达GPU上提升其性能。
市场上已有其他编译器能让CUDA代码在其他硬件上运行，例如AMD的HIPIFY、英特尔的SYCLomatic以及曾由AMD支持的ZLUDA。但这些工具各有缺点：HIPIFY忽略了关键的PTX（英伟达汇编语言）；SYCLomatic只能迁移约90%的代码，剩余10%需要手动处理；ZLUDA则作为中间件层运行，损害了性能。此外，一些非英伟达CUDA编译器还面临法律问题。
Malitesta声称，Spectral Compute的SCALE能够超越这些编译器的平庸性能，让CUDA充分利用底层硬件。该公司发布的基准测试显示，在AMD GPU上，使用SCALE比使用HIPIFY将CUDA代码转换到AMD的ROCm环境，性能提升近6倍。Spectral通过采用“洁净室”方式，基于先进的编译器框架进行重新实现，从而达到了这样的性能水平。他们采用CPU领域的行业标准方法，并将其应用于GPU。
Spectral总部位于伦敦，去年筹集了600万美元。该公司目前正在支持尚未命名的第三方AI加速器，并致力于一些专有的新型编译器优化，据称将为在英伟达GPU上运行CUDA的客户带来重大升级。本月晚些时候，他们预计将发布对PyTorch的支持。公司员工表示，他们的工作对CUDA社区有益，英伟达最终也理解这是件好事。今年6月，Spectral加入了英伟达的“Inception”计划。
Spectral的学术解决方案和业务发展负责人Ruben van Dongen表示，他们与英伟达和AMD都保持着良好关系，并希望与整个行业成为朋友，保持真正的中立。
Spectral已支持核心CUDA产品，但还有数百个专门的CUDA库（如cuDNN、cuTENSOR、cuDF）需要支持，公司正在积极努力。SCALE仅发布约两年，但公司发展迅速，目前约有30名员工。Spectral向商业公司出售SCALE的访问权限，并向学术机构和非营利组织免费提供编译器工具包。SCALE甚至已在橡树岭国家实验室的百亿亿次超级计算机Frontier上运行。
随着HPC社区应对AI热潮和GPU计算普及带来的变化，值得思考所有可能的路径。英伟达是一家卓越的公司，推动了GPU制造和并行软件开发的进步，并因此成为全球首家市值达5万亿美元的公司。英伟达无疑希望将所有AI成果保留在自己手中，但这未必符合HPC和AI客户乃至整个计算生态系统的最佳利益。从这个角度来看，Spectral正在为整个行业做一件好事。令人惊讶的是，像Spectral这样在CUDA护城河上架桥的公司并不多。
评论总结
根据评论内容，总结如下：
主要观点与论据：
CUDA替代方案存在局限性：多数替代方案仅关注CUDA C++，忽略了CUDA生态的真正价值（评论1，pjmlp）。许多替代项目“高开低走”，最终陷入停滞（评论5，luciana1u：“bold launch, works for 3 operations, then a Discord server where the last message is 'any updates?' from 2024”）。
支持在非NVIDIA硬件上运行CUDA：CUDA接口设计合理、文档完善且经过长期验证，应直接实现相同接口而非另起炉灶（评论6，woctordho：“What we need is not to invent another interface... but to implement the same interface”）。ROCm、MooreThread等正在此方向努力。
替代方案的实际需求有限：除超大规模云服务商和特殊用途外，普通用户更倾向即插即用的CUDA，替代方案缺乏显著优势（评论10，u1hcw9nx：“Neocloud customers just want plug-and-play CUDA... Alternatives give no significant benefits”）。
其他技术路径：有观点认为应直接使用Vulkan或SPIR-V（评论3，DiabloD3），或转向Triton（评论8，dachworker）。也有评论关注专用芯片（如Cerebras）和Tenstorrent的SRAM缓存方案（评论11、12）。
平衡性说明：评论中既有对CUDA替代方案的质疑（评论5、10、14），也有对非NVIDIA硬件运行CUDA的支持（评论6、7），以及探索其他技术路径的建议（评论3、8、12）。整体呈现“替代方案存在但未成主流”的共识。