软件工程师Longhorn注意到，在较早版本如CUDA 11.4和11.5的EULA文档中并未包含此限制性条款，但在CUDA 11.6及其后续版本的安装文档中却赫然可见。条款明确规定，不得对SDK生成的输出进行逆向工程、反编译或转换以适应非Nvidia平台。
CUDA与Nvidia硬件组合因其高效能而深受众多程序依赖，然而随着竞争日益激烈的市场格局，越来越多用户尝试在非Nvidia硬件上运行CUDA程序，其中最为便捷的方式便是采用诸如ZLUDA之类的翻译层技术。但遗憾的是，ZLUDA目前陷入停滞状态，英特尔和AMD均已放弃进一步开发该项目，但这并不意味着翻译层技术本身不可行。Nvidia严禁使用翻译层的根本原因在于其试图捍卫在加速计算领域，特别是在人工智能应用领域的霸主地位。面对竞争对手的挑战，Nvidia选择通过限制CUDA在其他硬件平台上的兼容性来巩固自身优势。
尽管如此，开发者依然可以合法地重新编译现有CUDA程序以适应AMD和Intel的ROCm与OpenAPI平台，两大巨头也分别提供了相应的移植工具以简化这一过程。
随着AMD、英特尔、Tenstorrent等公司推出更为强大的硬件产品，更多的软件开发者或将倾向于为这些新兴平台设计原生支持的程序，从而可能导致Nvidia在CUDA领域的主导地位随时间逐渐削弱。
值得注意的是，专为特定处理器定制编译的程序通常在性能表现上优于经由翻译层运行的软件，这无疑让AMD、英特尔等公司在与Nvidia的竞争中占据更有利的位置，前提是要吸引足够的软件开发者加入阵营。
GPGPU战场持续激烈，各界密切关注着未来发展的每一步动态。
提及颇具雄心壮志的ZLUDA项目，早在2020年，这款被誉为“在英特尔GPU上替代CUDA”的解决方案，曾一度威胁到了Nvidia CUDA生态系统的封闭性。作为独立项目，ZLUDA已成功展示了无需修改即可在非Nvidia显卡上运行CUDA应用程序的能力。尽管早期版本功能尚不完善，仅提供部分CUDA支持，但其创始人声称可实现“近乎原生”的性能水平，即几乎无性能损失。
历经数年发展，ZLUDA不仅支持英特尔GPU，还扩展了对AMD GPU的支持。然而，今年年初有消息指出，ZLUDA项目的重大更新将不再进行，其开发者Andrzej Janik宣布由于英特尔和AMD相继退出，项目已被实质上搁置。目前，ZLuda基于AMD的ROCm解决方案并只支持Radeon GPU，至于为何取消对英特尔GPU的支持，可能与当初仅支持Xe架构前集成显卡有关。
这一转变揭示出英特尔和AMD无意单纯追求与现有CUDA生态系统的兼容性，而是更倾向于通过oneAPI和ROCm与CUDA正面交锋，虽然这些新框架相对年轻且开发程度较低，但却拥有开源的优势。
尽管CUDA当前仍稳坐专业和数据中心图形软件市场的头把交椅，但随着竞争者们的不断发力和技术进步，尤其是当英特尔CEO帕特·基辛格、CTO Greg Lavender以及AMD CEO Lisa Su等业界领袖纷纷发声，暗示CUDA的垄断地位并非不可撼动之时，我们不禁要问：CUDA的霸权时代还能维持多久？
各大科技巨头正积极推动如MLIR、Google、OpenAI以及英特尔SYCLomatic等技术和框架的发展，旨在创建一个更加开放且跨架构的编程环境，以打破CUDA在AI训练与推理领域的束缚。诸如AMD ROCm、Triton Inference Server、PyTorch 2.0、OpenAI Triton等一系列技术和框架的涌现，预示着CUDA统治地位正在遭受前所未有的挑战。
对于读者而言，面对Nvidia这一决定和CUDA未来的走势，您又是如何看待呢？
