项目背景与发展历程 - 开源项目ZLUDA旨在让非NVIDIA芯片运行CUDA程序，由前Intel开发者Andrzej Janik于2020年启动技术验证并实现可行性[4][5] - Intel曾接手ZLUDA作为内部试验项目，目标是为其GPU和oneAPI生态补充CUDA兼容性，但因触及NVIDIA商业生态链被终止[6][7][8][9] - 2022年AMD资助重启项目并支持其硬件，但2024年2月因NVIDIA发布CUDA 11.6禁止非NVIDIA平台逆向工程再次停摆[10][11][12] - 2024年10月项目获神秘机构资助恢复，重点转向机器学习框架支持（如llama.cpp、PyTorch），主线开发基于AMD GPU[13][15] 技术进展与当前状态 - 新增全职开发者Violet，一个月内推动大型语言模型（LLM）工作负载支持，通过llm.c测试项目实现44个CUDA API中16个的兼容性[17][20][23][25] - 首次尝试同时处理常规CUDA函数与cuBLAS等专用库，测试程序调用8,186次CUDA函数，为支持PyTorch等大型软件奠定基础[22][23] - 改进PTX指令集扫描测试，解决早期版本跳过指令修饰符的问题，提升非NVIDIA GPU运行CUDA程序的精确性（如cvt指令已完全精确）[26][27][28][30] - 日志系统升级后能跟踪更广泛的CUDA运行时行为（如cuBLAS与cuBLASLt的依赖关系），并修复ROCm/HIP 6.4版本ABI变更导致的动态编译错误[33][34][35][38] 社区贡献与未来目标 - 社区成员@Groowy启动32位PhysX支持工作，发现部分错误影响64位功能，修复已纳入官方路线图[19] - 团队计划2025年Q3完全恢复项目功能，目前专注于LLM支持、多GPU架构兼容及代码优化[15][16][18]

CUDA兼容性突破 - Nvidia于2006年推出CUDA作为专有API和软件层，成为释放GPU并行计算能力的关键技术，广泛应用于人工智能、科学计算和高性能模拟领域[4] - 开源项目Zluda致力于打破CUDA对Nvidia硬件的依赖，实现在AMD、Intel等第三方GPU上运行未经修改的CUDA应用程序，显著扩展硬件选择并减少供应商锁定[4] - Zluda团队规模扩大一倍，现有两名全职开发人员，新成员Violet已为GitHub开源仓库做出突出贡献[4] 技术进展 - Zluda在非Nvidia GPU上执行CUDA二进制文件的性能显著提升，改进后的代码可处理cvt指令等复杂情况并达到位精度[7] - 项目增强了对ROCm/HIP GPU运行时的支持，确保其在Linux和Windows系统可靠运行[5] - 日志记录功能改进，能捕获更多API交互细节，包括中间调用过程[7] 应用场景突破 - 在llm.c测试实现中取得进展，已支持44个函数中的16个，目标实现GPT-2/GPT-3语言模型的全面运行[7] - 针对32位PhysX代码的支持取得初步进展，通过CUDA日志收集识别潜在错误，但完整支持需第三方开发者大量贡献[8] - 改进对旧硬件的兼容性，GPU运行时可在编译时优化代码以适应不同硬件架构[5]