“CUDA不再是铜墙铁壁。”这话出自AMD高级副总裁、计算与图形事业部总经理Jack Huynh之口。在台北电脑展的后续采访中，他直接向NVIDIA开炮：“开发者会发现，从CUDA迁移到ROCm，比想象中简单得多。”

这是AMD多年来对CUDA生态最直白、最自信的一次表态。背后的底气，来自ROCm 6.2软件栈的成熟，以及MI300X/MI400系列硬件的大规模部署。AMD正在告诉世界：英伟达的护城河，我们已经在填了。

CUDA的“护城河”神话

过去十年，CUDA（NVIDIA统一计算设备架构）被公认为AI芯片领域最深的护城河。超过500万开发者、数千个加速库、几乎全部AI框架原生支持——任何想挑战英伟达的对手，都要面对“CUDA兼容性”这堵墙。

AMD、Intel、以及一众AI芯片初创公司，都试图用“兼容CUDA”来曲线救国。但AMD现在换了个打法：不再追求二进制兼容，而是让ROCm生态足够好，好到开发者愿意主动迁移。

AMD凭什么说“优势已不大”？

1. 硬件性能持平或反超
   MI300X在HBM容量（192GB）和带宽（5.2TB/s）上已经领先H100，而MI400系列（预计2025年底发布）将进一步提升。跑大模型，AMD不缺算力。
2. ROCm 6.2：填补关键短板
   过去ROCm最大的问题是：缺少类似cuDNN、cuBLAS的高性能库，且PyTorch/TensorFlow支持滞后。
   ROCm 6.2解决了：
3. 新增 hipBLASLt、rocFFT等优化库，在LLM训练上性能接近CUDA 95%
4. PyTorch 2.x原生支持ROCm，一键安装（不再需要手动编译）
5. 推出 ROCm迁移工具：自动将CUDA代码转换为HIP（AMD的CUDA-like语言），转换成功率官方宣称超过90%
6. 生态伙伴站台
7. Hugging Face：保证所有Transformers模型在AMD GPU上开箱即用
8. OpenAI：已在内部用AMD GPU进行推理实验
9. Lambda Labs、CoreWeave等云厂商推出AMD GPU实例，价格比H100低30%

转换到底多简单？AMD给出“三步法”

AMD技术营销总监在演示中，将一颗CUDA程序迁移到ROCm，只用了三个步骤：

1. 安装ROCm和PyTorch ROCm版（一行命令）
2. 运行迁移脚本：hipify-perl 自动将.cu文件转成.hip文件
3. 重新编译：用hipcc替换nvcc，多数情况无需修改代码

现场演示： 一个经典的LLM训练脚本，原本跑在A100上，改了两行import，就在MI300X上跑通了。训练loss曲线几乎重合。

当然，AMD也承认：涉及手写PTX汇编、特定硬件指令的极优化CUDA代码，仍需要人工调整。但这样的代码在AI应用中占比不到5%。

NVIDIA的反击：不急，我还有牌

面对AMD的攻势，NVIDIA并非毫无准备：

• CUDA 12.5新增了对AMD/Intel CPU的优化，但GPU端依然封闭
• 推出 CUDA EULA限制第三方兼容层（如ZLUDA），从法律上打击“模拟CUDA”路线
• 强化 NVIDIA AI Enterprise平台，用“软硬一体化”锁定企业客户

但分析师指出：当AMD的ROCm在性能和易用性上接近CUDA，且价格便宜30%-40%时，云厂商和AI公司必然分流采购。英伟达的护城河，正从“绝对壁垒”退化成“相对优势”。

网友反应：等等党又赢了

• “等AMD能把PyTorch训练做到开箱即用，我就换卡。”
• “问题是很多小公司没有AI工程师，只能用最省事的CUDA。”
• “别光说转换简单，跑起来稳不稳、会不会有坑？”
• “支持竞争！H100卖3万美元太黑了。”

冷静分析：ROCm的“最后一公里”

虽然AMD宣称转换简单，但实际生产中仍有隐忧：

• 调试工具：CUDA有Nsight、Compute Sanitizer，ROCm的调试体验仍粗糙
• 算子覆盖：部分定制CUDA扩展（如FlashAttention v3）尚未在ROCm上完全优化
• 社区习惯：Stack Overflow、GitHub上CUDA问答是ROCm的100倍，遇到bug解决更慢

说白了，技术转换容易，习惯转换难。

谁会先受益？

• 公有云厂商：AWS、Azure、GCP已经在引入AMD GPU实例，给客户多一个低价选择
• AI初创公司：预算敏感，如果AMD实例能跑通模型，每年省下几十万刀
• 学术机构：科研预算有限，更愿意尝试高性价比的AMD方案

总结

AMD说“CUDA优势已不大”，并非口嗨，而是基于ROCm生态的真实进步。
但英伟达的护城河不是一天挖成的，也不可能一夜填平。未来两年，AI芯片市场将从“NVIDIA only”走向“NVIDIA + AMD + 自研”的三足鼎立。

对于开发者来说，好消息是：不需要再死磕CUDA一家了。
坏消息是：你可能要多学一套ROCm。