针对CUDA 11.6及以上版本的这一新举措，业内普遍认为，英伟达此举意在对抗Intel、AMD等公司参与的ZLUDA等第三方项目，以及中国厂商如摩尔线程MUSA、登临科技GPU+等推出的兼容方案。
CUDA作为英伟达打造的并行计算框架，自2006年起，成为了该公司历史上的一个重大转折点。CUDA不仅解锁了GPU的并行计算能力，还通过调用GPU硬件加速功能，使GPU能够处理复杂的计算问题，并为不同任务提供编程支持。在CUDA出现之前，GPU仅扮演着图形处理单元的角色，而如今，借助CUDA，GPU实现了通用化，广泛应用于AI深度学习等需大规模运算的领域。为了建立CUDA的霸主地位，英伟达不惜投入巨资，累计超过100亿美元的研发经费，将旗下所有芯片纳入CUDA架构。其研发费用占比更是逐年增长，远超苹果、微软和英特尔等行业巨头。通过这种高强度投入，CUDA生态体系得以迅速构建与巩固。
英伟达采取了“不开源但免费提供，并严格控制”的策略，大大降低了用户获取CUDA工具包及其硬件的门槛，由此形成的良性循环使得CUDA平台使用者数量日益增长，新开发者更倾向于选择CUDA。知名分析师本·汤普森指出：“英伟达兼具硬件和软件公司的特性，成功地将两者融为一体。”
CUDA真正的护城河在于其软硬件协同设计的高效整合，使得第三方软件公司在挑战CUDA领先地位时面临重重困难，要么陷入性能追赶的困境，要么受制于时间滞后效应，无法及时利用最新技术，抑或是难以打破CUDA市场主导地位。
然而，随着竞争性硬件市场的快速发展，越来越多用户希望在非英伟达平台上运行CUDA程序。实现这一点的方法包括重新编译代码或依赖转换层实现某种程度的兼容。值得注意的是，由于CUDA并非开源，“完全兼容”在技术上难以达成，而是通过相似架构让产品相对容易地执行CUDA代码。
诸如ZLUDA这样的转换层曾一度成为在非英伟达硬件上运行CUDA程序的便捷途径，但随着英特尔、AMD转向支持自有软件平台，ZLUDA的发展遭遇瓶颈，甚至在今年2月失去了AMD的资金支持，转为开源项目。当前，英伟达已明确禁止第三方公司对其CUDA进行兼容。
显然，转换层的使用威胁到了英伟达在加速计算领域的统治地位，特别是在AI应用领域，这可能是英伟达决定禁止转换层在其他硬件平台上运行CUDA应用程序的主要原因。全球范围内，许多算力芯片企业如Graphcore、SambaNova、tenstorrent等均未选择兼容CUDA，而是致力于探寻更适合AI计算的独特路径。
面对来自业内的批评声音，英伟达CUDA的地位饱受争议。去年12月，英特尔CEO帕特·基辛格公开质疑CUDA技术护城河的深度和广度，并预测推理技术将在人工智能领域超越训练技术的重要性。同时，顶级芯片专家吉姆·凯勒也发表推文批评CUDA，称其为“沼泽”，而非“护城河”，并指出CUDA在美感和效率上存在问题，这也是诸如Triton、Tensor RT、Neon、Mojo等新兴技术诞生的原因。
其中，OpenAI推出的开源项目Triton被视为CUDA的有力竞争对手，它简化了开发难度且性能表现不俗，有望削弱CUDA的优势地位。
在国内，部分国产GPU厂商采取兼容CUDA策略以降低客户迁移成本，同时也有厂商如摩尔线程、壁仞科技、登临科技等积极构建自主软件生态。针对英伟达EULA新增条款，摩尔线程发布声明强调，其自主研发的MUSA/MUSIFY架构并未受到影响，不受相关条款约束，且与CUDA无任何依赖关系，鼓励开发者放心使用。
总结来说，虽然目前英伟达只是在CUDA 11.6协议中增加了警告条款，尚未有实际行动，但此次警告明显传达出英伟达对于CUDA兼容问题的态度。即便如此，通过AMD的ROCm和英特尔的OpenAPI平台，仍然可以合法地重新编译现有CUDA程序，两家公司都提供了相应的移植工具，旨在增强与CUDA的竞争力。AMD正全力推进ROCm 6.1版本更新，以进一步挑战英伟达CUDA的市场地位。
