CUDA-for-AMD-Windows 開源工具釋出：AMD 顯卡免改程式碼直跑 CUDA 運算

AI 摘要

• 開源專案讓 AMD 顯卡在 Windows 下免改代碼執行 CUDA。
• 實測 RX 9060 XT 成功跑通 220 萬參數強化學習模型訓練。
• 目前 Windows 環境仍缺乏 cuDNN 支援，深度學習主流應用受限。

開源社群近日迎來重大技術突破，獨立開發者 Speedstu 在 GitHub 正式釋出名為 CUDA-for-AMD-Windows 的開源專案。這套專案透過高度整合的自動化腳本與中介轉譯技術，讓 AMD Radeon 顯示卡使用者得以在 Windows 作業系統中直接呼叫 CUDA 加速函式庫，完全無需修改底層程式碼即可順利運作深度學習運算，為長期受限於 NVIDIA 獨佔生態的個人開發者提供全新硬體相容方案。

中介轉譯架構：ZLUDA 結合 AMD HIP 驅動映射

CUDA-for-AMD-Windows 的核心技術在於運用 PowerShell 自動化配置，將開源轉譯層 ZLUDA（v6-preview.69）與 AMD 原生 HIP / ROCm 架構相結合。當應用程式送出 CUDA 運算呼叫時，系統會在驅動層進行動態攔截，將原生的 nvcuda 相關請求直接映射至 AMD 本地安裝的數學加速庫。

目前該工具已實作多個核心數學庫的無縫映射：

• 矩陣運算：cuBLAS 與 cuBLASLt 自動轉發至 AMD rocBLAS 及 hipBLASLt。
• 稀疏矩陣與變換：cuSPARSE 與 cuFFT 分別對應至 rocSPARSE 與相關運算模組。

實機效能驗證：AMD Radeon RX 9060 XT 實測數據

在具體實測中，開發團隊採用 AMD Radeon RX 9060 XT 顯示卡執行 220 萬參數的 PPO（近端策略最佳化，Proximal Policy Optimization）強化學習神經網路訓練，驗證其端到端運算能力。測試對比了「公開上游路徑」（官方 ZLUDA 搭配 AMD HIP SDK 6.4）與「自訂修訂路徑」（混用舊版客製化組件）的效能表現：

現階段技術限制與生態挑戰

儘管 CUDA-for-AMD-Windows 成功證明了跨架構相容的可行性，但目前在應用場景上仍有明顯局限。核心深度學習加速庫 cuDNN 在 Windows 平台的 AMD HIP SDK 中依然處於無法支援（unavailable）狀態，代表依賴卷積與深度特徵提取的主流電腦視覺（CV）和大型語言模型（LLM）尚無法直接套用。此外，NVIDIA 使用者授權合約對 API 轉譯的限制，以及非官方支援的穩定性，皆是此工具邁向日常主力開發仍需面對的課題。

Reference Link : techbang.com