2026 年 7 月 9 日，HPCwire 发表了一篇题为《Spectral Compute Aims to Set CUDA Free, Will It Succeed?》的报道，让一家伦敦初创公司再次进入 Hacker News 首页。Spectral Compute 的核心产品叫 SCALE——一个让 CUDA 程序不经修改就能在 AMD GPU 上编译运行的工具链。这篇文章在 HN 收获了 55 个赞和约 30 条评论，讨论热度不算爆棚，但话题本身触及了一个长期存在的行业痛点：CUDA 的硬件锁定。
CUDA 的「护城河」
Nvidia 在 AI 和高性能计算领域的主导地位，很大程度上建立在 CUDA 之上。CUDA 是一整套开发工具链：编译器（nvcc）、运行时库、调试器、性能分析器，以及覆盖线性代数、深度学习、信号处理等领域的加速库。开发者一旦用 CUDA 写完程序，就自然被绑定在 Nvidia 的硬件上——代码无法直接在 AMD、Intel 或其他厂商的 GPU 上运行。
这种锁定效应并非偶然。Nvidia 在 EULA 中明确限制了通过翻译层在其他硬件上运行 CUDA 的行为。与此对应的是，尽管存在 AMD 的 ROCm、Intel 的 oneAPI、Khronos 的 SYCL 等替代方案，但它们在开发者体验和生态覆盖上与 CUDA 仍有差距。HN 上有评论直言：「其他平台持续忽视开发者 UX，而这恰恰是吸引新用户、留住老用户的关键。」
Spectral Compute 和 SCALE
Spectral Compute 成立于 2018 年，由 Michael Søndergaard（CEO）、Chris Kitching（CTO）、Nicholas Tomlinson 和 Francois Souchay 联合创办。公司从 2017 年起就投入 SCALE 的开发，团队通过咨询业务自筹资金维持了七年，直到 2025 年 11 月完成 600 万美元种子轮融资，由 Costanoa 领投，Crucible 和多位天使投资人跟投。
SCALE 的定位清晰：它是 nvcc 编译器的「即插即用」替代品。开发者只需在编译命令中将 nvcc 换成 SCALE 的编译器，CUDA 源码就能直接编译为 AMD GPU 的机器码，无需修改任何代码。SCALE 不仅支持 CUDA C++ 的核心语法，还能处理 nvcc 特有的 C++ 方言怪癖（quirks）和内联 PTX 汇编。
在底层，SCALE 的实现分为几个部分：一个兼容 nvcc 的编译器前端、一套在 AMD GPU 上运行的 CUDA 运行时和驱动 API 实现，以及封装了 AMD ROCm 库的开源包装层。根据 SCALE 官方文档，它已成功运行 Blender、Llama-cpp、XGBoost、FAISS、Hashcat 和 NVIDIA Thrust 等实际项目，支持的 AMD GPU 架构包括 RDNA2、RDNA3，RDNA1 有基础支持，Vega 仍在开发中。
与 ZLUDA、HIP 的路线差异
在非 Nvidia 硬件上运行 CUDA 的尝试并非新鲜事。目前主要有三条路线：
ZLUDA：一个 PTX JIT 翻译层。它在程序启动时截获 CUDA 二进制中的 PTX 中间代码，将其即时编译为 AMD GPU 指令。优点是无需源码，终端用户可以直接运行编译好的 CUDA 程序。缺点在于：它依赖 dll 注入机制（容易被杀毒软件拦截），启动时有 JIT 编译延迟，且由于 PTX 已经被 nvcc 针对 Nvidia 硬件优化过，反向编译会损失优化空间。ZLUDA 曾短暂获得 AMD 资助，随后 AMD 撤回支持并要求删除部分代码。目前 ZLUDA 不支持波前大小为 64 的 AMD GPU（如 MI300 数据中心加速卡）。
HIP：AMD 官方路线。HIP 提供了一套语法和 API 与 CUDA 相似的编程模型，配合 hipify 工具自动翻译 CUDA 源码。但 HIP 存在几个固有问题：无法处理内联 PTX 汇编；hipify 无法处理复杂宏；HIP 的运行时 API 语义与 CUDA 存在微妙差异；项目往往需要同时维护 HIP 和 CUDA 两套代码库，增加维护成本。SCALE 团队在官方对比页中写道：「我们经常遇到性能或正确性在 CUDA 和 HIP 版本之间出现显著差异的项目，因为其中一方获得了更多关注或更快的合并。」
SCALE 的路线不同：它在源码层面做「净室实现」（clean room implementation），即不参考 Nvidia 的闭源代码，独立重现 CUDA 工具链的行为。SCALE 直接编译 CUDA 源码到 AMDGPU 机器码，不走 PTX 中间层。这意味着它可以在编译阶段获得更充分的优化信息，也避免了 ZLUDA 反向工程 PTX 的困难。SCALE 团队的表述是：「我们认为供应商锁定是一个编译器问题。」
当前的局限
SCALE 目前并非银弹。几个核心限制需要正视：
第一，它本身不是开源软件。SCALE 提供免费版供非商业使用，商业部署需要商业许可。这与 ZLUDA 的开源模式形成对比，也引发了部分开发者的顾虑。
第二，硬件支持范围有限。截至 2026 年年中，SCALE 主要支持 AMD 的消费级 GPU（RDNA2/RDNA3），Intel GPU 和更多数据中心级硬件的支持仍在路线图上。按照 CEO Søndergaard 在 2025 年底接受采访时透露的计划，公司希望逐步覆盖 Intel 和其他半导体初创公司的芯片。
第三，生态覆盖的深度。HN 上有评论指出，大多数 CUDA 替代方案只关注 CUDA C++，却忽略了 CUDA 生态真正吸引人的部分：Fortran、Haskell、Java、.NET 等语言绑定，IDE 工具集成，图形化调试器和性能分析器，以及丰富的加速库。SCALE 团队成员在讨论中回应称「正在覆盖所有这些东西」，但承认分析工具（对标 Nsight Compute）可能要到 2027 年才有雏形。
第四，竞争对手不止一个。除了 ZLUDA 和 HIP，还有 AdaptiveCpp（基于 SYCL 的 CUDA 方言编译器）、Triton（OpenAI 推出的 GPU 编程语言）以及各家中国 GPU 厂商自研的 CUDA 兼容层（如摩尔线程、阿里巴巴平头哥），都在试图以不同方式解决同一个问题。
社区怎么看
HN 讨论中既有期待，也有怀疑。一条点赞较高的评论总结了许多人的顾虑：「每个 CUDA 替代方案都走同样的弧线：高调发布，三个操作能跑通，然后 Discord 服务器上的最后一条消息是 2024 年的『有什么进展吗？』」SCALE 团队成员直接回应：「我们 2024 年就发布了，Discord 上的最后一条消息绝对不是那个。」至少从公开的活动轨迹看，SCALE 在发布两年后仍在持续迭代，版本号已到 1.7.1。
关于「为什么不直接用 Triton 或 Vulkan」的讨论也值得注意。有开发者指出 Vulkan Compute 在开发体验上远不如 CUDA——「花了一周什么都没搞出来，换成 CUDA 一天就跑通了原型」。也有观点认为，直接用 Vulkan 或 SPIR-V 发行中间表示才是长远之路，不应该继续绑定在 CUDA 这个 Nvidia 定义的接口上。但也有人反驳：既然 CUDA 的接口设计经受了几十年的实战检验，与其重新发明一套「开放标准」，不如直接在现有接口上实现兼容——ROCm、摩尔线程和平头哥都是这么做的。
谨慎的观望
SCALE 能走多远，取决于几个关键变量：它能否在覆盖率、性能和开发者工具体验上接近 CUDA 原生水平；能否在保持商业可持续的同时不丧失社区信任；以及 Nvidia 是否会从法律或技术层面做出回应。CUDA EULA 中对翻译层的限制条款是一个悬而未决的风险，尽管 Spectral Compute 声称其净室实现不涉及 Nvidia 的知识产权。
600 万美元种子轮对于一家试图撬动 CUDA 生态的初创公司来说不算宽裕，但也意味着团队需要快速证明商业价值。从技术路线看，SCALE 选择了一条比 ZLUDA 更根本的路径——源码级编译而非二进制翻译——这理论上能带来更好的优化空间和长期可维护性，同时也意味着更高的工程投入。
CUDA 的护城河是十几年的累积效应：成熟度、生态系统、海量的经过实战检验的代码。任何兼容层方案要真正构成替代，不仅要在 API 层面跑通，还需要在工具链、库生态、调试体验等多个维度持续追赶。目前来看，SCALE 是这条路上走得最远的参与者之一，但距离「让 CUDA 自由」这个目标，还有很长的路要走。
本文的素材来自公开信息和社区讨论。如果你对这个话题有更深入的一手经验，欢迎指出文中的不足。
参考链接
- HPCwire 报道：Spectral Compute Aims to Set CUDA Free
- Hacker News 讨论（55 分，30 评论）
- SCALE 官方文档与 ZLUDA / HIP 对比页
- Phoronix 对 ZLUDA 与 SCALE 的技术分析
- Business Insider 对 Spectral Compute 融资报道