CUDA for AMD on Windows（在 Windows 上为 AMD GPU 提供 CUDA 兼容）

📅 2026-09-13 | 🏷️ 工程 & Agent | ⭐ HN 133分/67评论
🔗 原文：https://github.com/Speedstu/CUDA-for-AMD-Windows

是什么

一个可复现的 Windows CUDA 兼容层方案：用 ZLUDA（CUDA 调用翻译层）+ AMD HIP/ROCm，让面向 CUDA 编译的 Windows 计算程序——包括使用 CUDA 版 LibTorch 的训练负载——直接跑在 AMD Radeon 显卡上。仓库提供完整组件栈、验证文档与 GitHub Actions 自动校验，全程仅使用官方公开上游组件。

🔍 小白解读

先说几个词

• CUDA：NVIDIA 显卡的编程接口与生态，AI 框架的「默认语言」。好比所有外卖平台都默认用 A 家支付通道，别的支付想接单就得装「翻译器」。
• ZLUDA：把 CUDA 调用实时翻译成 AMD 能执行指令的兼容层，社区项目，非官方。
• HIP / ROCm：AMD 官方的 GPU 计算栈，相当于 AMD 版的 CUDA。
• LibTorch：PyTorch 的 C++ 发行版，常用于生产环境的训练与推理。
• PPO：一种常用的强化学习算法，本项目的验证负载就是一个 PPO 网络。

这篇到底在说什么

AI 软件几乎都默认「NVIDIA 显卡 + CUDA」。这个仓库做的事，是在 Windows 上搭一条「翻译流水线」：CUDA 程序 → ZLUDA 翻译 → cuBLAS/cuSPARSE/cuFFT 兼容层 → AMD HIP → AMD 显卡。作者用一块 RX 9060 XT 做了完整验证：CUDA 核心数学库检查全部通过，还真实跑通了一个 220 万参数的强化学习网络（PPO）的前向推理、学习与优化器更新，一次完整验证迭代跑了 65,536 个时间步。重要的是全程只用公开组件（ZLUDA 官方 v6-preview.69 + AMD HIP SDK 6.4 + CUDA 版 LibTorch 2.3.0），没用任何来路不明的私有 DLL。作者也明说边界：不是所有 CUDA 程序都能跑，覆盖程度取决于负载用了哪些 CUDA 功能。

这跟普通人有什么关系

手上是 AMD 游戏卡又想跑某些只支持 CUDA 的 Windows 软件（包括部分 AI 应用）的用户，多了一条不换卡的路；对整个行业，CUDA 垄断的高墙上又被撬松了一块砖。

为什么值得架构师关注

• GPU 供应/成本风险的对冲选项：当 NVIDIA 卡价格、供货或出口管制吃紧时，AMD 卡 + ZLUDA 是特定负载（推理、中小规模训练）的候选补充路径，本项目给出了 Windows 端可复现的具体参数。
• 边界必须清醒：验证矩阵目前仅 RX 9060 XT（gfx1200），库覆盖按 workload 决定——POC 价值大于生产价值，现阶段不应直接写入生产架构。
• HN 133 分的讨论热度印证了「去 CUDA 单一依赖」的真实社区需求，值得把 ZLUDA 的版本演进纳入基础设施雷达。

核心内容

• 技术栈：ZLUDA v6-preview.69（官方 release）+ AMD HIP SDK 6.4 + LibTorch 2.3.0（cu118），全公开上游组件、无私有/找回的 DLL。
• 已验证通过：nvcuda、cuBLAS、cuBLASLt、cuSPARSE、cuFFT 的 cuda_check 检查。
• 真实训练负载：2,216,347 参数的 PPO 网络在 CUDA 面向设备上完成前向/推理、学习与优化器更新；一次完整验证迭代 65,536 timesteps。
• 原理链路：CUDA 应用 → ZLUDA → cuBLAS/cuSPARSE/cuFFT 兼容层 → rocBLAS / hipBLASLt / rocSPARSE / HIP → AMD GPU。
• 硬件验证范围：仅 RX 9060 XT（gfx1200）；其他 AMD 卡是「候选」而非保证，需按模板提交兼容性报告。

行动建议

有 AMD 显卡闲置的团队可按 README 在测试机复现验证流程，评估自家推理负载的 API 覆盖度；生产环境暂不建议引入；采购侧可把「AMD 兼容路径可行性」列入算力供应链风险预案。