Zluda для AMD добралась до версии 6, но вместе с релизом проект снова лишился коммерческого финансирования. Для разработчиков это важнее, чем выглядит на первый взгляд: один из немногих открытых слоев совместимости с CUDA опять превращается в «проект выходного дня», а значит, надежды на стабильную альтернативу экосистеме Nvidia снова упираются не в код, а в деньги.
О выходе новой версии сообщает Tom's Hardware. В Zluda 6 появились ранняя поддержка 32-битного PhysX, обновления для Windows и набор исправлений, связанных с PyTorch. Но главный сюжет не в списке изменений, а в статусе проекта: разработчик Andrez Janik прямо пишет, что после потери спонсора работа над Zluda возвращается в любительский режим. Приоритеты теперь будут определяться не запросами бизнеса, а тем, что самому автору интереснее поддерживать и развивать.
Если смотреть только на changelog, релиз выглядит бодро. Самое заметное нововведение — предварительная поддержка 32-битного PhysX. Она пока находится на стадии pre-alpha, то есть для промышленной эксплуатации это еще не материал. Однако автор уже показал несколько демонстраций с симуляцией ткани и деформаций, а также скриншот с трехкратным приростом производительности в Mafia II образца 2010 года при включенных эффектах PhysX. Тут, конечно, важно не перепутать демонстрацию жизнеспособности подхода с готовым продуктом: сам Janik оговаривает, что симуляции жидкостей пока работают с артефактами, а текущий способ подгрузки Zluda в игры Steam остается неудобным.
Для Windows ситуация тоже чуть улучшилась. В шестой версии переработан загрузчик zluda.exe: теперь он автоматически подтягивает необходимые библиотеки производительности. Это не тот апдейт, из-за которого пользователи бегут открывать шампанское, но именно такие вещи обычно определяют, останется технология экспериментом для энтузиастов или доживет хотя бы до статуса приемлемого инструмента. Отдельным блоком идут исправления для PyTorch: речь о доработках компилятора и оптимизации performance libraries. Для машинного обучения и инженерных команд это, вероятно, самая практичная часть релиза. Игровые демки отлично смотрятся в соцсетях, но именно совместимость с PyTorch делает такие проекты интересными для тех, кто считает деньги на GPU-кластеры.
Контекст у этой истории почти важнее самого релиза. Zluda стартовала в 2020 году как попытка запускать CUDA не на Nvidia, а на железе Intel. Потом проект сменил фокус в сторону AMD, был заброшен в 2021-м, а около 2022 года получил новую жизнь благодаря финансированию со стороны AMD. Логика понятна без лишней романтики: если значимая часть AI-софта живет вокруг CUDA, любой слой совместимости становится для AMD не просто инженерной игрушкой, а потенциальным способом снизить зависимость рынка от стека Nvidia. В 2024 году AMD, однако, прекратила финансирование. Более того, в августе, по словам автора, компания потребовала перестроить кодовую базу, созданную на ее деньги. Позже, в конце 2024-го, у Zluda появился неназванный спонсор. Tom's Hardware предполагает, что это могла быть AI-компания, заинтересованная в запуске CUDA-нагрузок на ускорителях Instinct. Теперь исчез и этот источник средств.
Это хорошо показывает довольно неудобную правду про рынок GPU и AI-инфраструктуры. Почти все хотят меньше зависеть от Nvidia, но оплачивать длинную и неблагодарную работу по построению совместимости готовы немногие и обычно ненадолго. Слои трансляции, эмуляторы и портирующие инструменты ценны ровно до того момента, пока не выясняется, сколько стоит довести их до состояния, в котором ими можно пользоваться без героизма. В случае Zluda для AMD проблема не только в реализации CUDA как таковой. Нужно еще разруливать драйверы, поведение библиотек, особенности Windows, совместимость с фреймворками и массу краевых сценариев, где «почти работает» для продакшена означает «не работает».
При этом сам спрос никуда не делся. Для конечных пользователей и небольших команд полностью открытая drop-in-замена для CUDA-бинарников выглядела бы очень заманчиво. Особенно на фоне дефицита, цен и общей нервозности вокруг ускорителей Nvidia, которая уже несколько лет не отпускает рынок. Но для больших внедрений одной Zluda для AMD явно недостаточно. В материале упоминаются и другие подходы к той же проблеме: AMD продвигает HIP для портирования исходного кода, Spectral Compute развивает Scale, а MooreThreads предлагает набор инструментов Musify. Иными словами, индустрия ищет обходные маршруты сразу в нескольких направлениях. Где-то ставка делается на переписывание кода, где-то — на трансляцию, где-то — на более узкие сценарии использования. Универсальной таблетки пока не видно.
Для русскоязычной аудитории эта история особенно показательная. Разработчикам она напоминает, что привязка к CUDA — это не просто технический выбор, а долгосрочный инфраструктурный риск. Продактам и CTO — что «мы потом переедем на другой стек, если понадобится» обычно звучит проще, чем происходит в реальности. А стартапам, которые строят что-то поверх PyTorch и рассчитывают экономить на железе, новость дает холодный душ: даже перспективные open-source-проекты такого класса могут жить рывками, завися от одного спонсора и настроения нескольких корпоративных игроков. С точки зрения HR и найма вывод тоже понятен: специалисты, умеющие работать не только внутри комфортного мира CUDA, а еще и с переносимостью ML-стека, в ближайшие годы дешевле не станут.
У Zluda для AMD сейчас двойственный статус. С одной стороны, проект жив, релиз 6 это подтверждает, а ранняя поддержка PhysX и правки для PyTorch показывают, что развитие не замерло. С другой — «weekend project» плохо сочетается с ожиданиями отрасли, которая хочет зрелый и предсказуемый слой совместимости для AI и HPC. Главный вопрос теперь не в том, можно ли технически заставить CUDA-экосистему работать за пределами Nvidia, а в том, кто и зачем готов оплачивать этот марафон достаточно долго, чтобы он перестал быть хобби.