ZLUDA, il progetto open source che punta a far girare codice CUDA su GPU non NVIDIA, ha aggiunto il supporto ad alcune API cuFFT appoggiandosi a hipFFT. La novità, di per sé circoscritta a una libreria matematica, dice molto sul percorso che sta prendendo la compatibilità CUDA al di fuori dell'ecosistema NVIDIA.

cuFFT è la libreria NVIDIA per le trasformate di Fourier veloci, un componente importante in ambito HPC, elaborazione del segnale e in diversi carichi di calcolo scientifico. hipFFT è la controparte che AMD mette a disposizione nel suo stack ROCm/HIP per lo stesso tipo di operazioni. Implementare alcune API cuFFT passando da hipFFT non è un dettaglio tecnico: significa che ZLUDA sta costruendo il proprio livello di compatibilità non come una reimplementazione isolata, ma come un ponte verso le primitive che AMD già mantiene.

Finora il valore di ZLUDA è stato soprattutto nella riduzione del lock-in: sviluppatori e gruppi di ricerca con codebase CUDA possono valutare hardware AMD senza riscrivere tutto. L'aggiunta di cuFFT, anche solo parziale, allarga il perimetro applicativo a workload che usano le FFT in modo intensivo. Chi lavora su segnali, simulazioni o pipeline che combinano algebra lineare e trasformate spettrali ha un motivo in più per testare le Radeon in laboratorio. Ma sarebbe un errore leggere la notizia come la fine del vantaggio CUDA.

Il supporto è limitato ad alcune API cuFFT, non all'intera libreria. Le differenze di comportamento, le prestazioni reali e la copertura delle funzioni restano variabili. In più, il fatto di usare hipFFT lega ZLUDA alla qualità e alla maturità dello stack ROCm, che su certe GPU consumer e su certi carichi è storicamente meno uniforme di CUDA. Per un team che valuta deployment on-premise, questo introduce un trade-off: da un lato c'è la possibilità di ridurre la dipendenza da NVIDIA e di sfruttare prezzi o disponibilità differenti; dall'altro c'è un ecosistema software che va verificato funzione per funzione, non solo a livello di compilazione. AI-RADAR offre su /llm-onpremise framework analitici per valutare questi trade-off.

La direzione è comunque chiara: i livelli di compatibilità si stanno spostando verso l'uso delle primitive native dei vendor alternativi, invece di emulare CUDA in modo del tutto indipendente. Questo potrebbe cambiare gli incentivi: AMD può beneficiare di uno strato open source che amplia la base di codice eseguibile sulle sue GPU senza dover convincere ogni sviluppatore a migrare a HIP; NVIDIA, dal canto suo, mantiene un vantaggio di maturità e completezza, ma perde esclusività sui carichi meno sofisticati. Il punto non è se ZLUDA sostituirà CUDA, ma se abbasserà abbastanza la soglia per rendere l'hardware non NVIDIA una scelta pragmatica in più contesti. La risposta arriverà dalla copertura delle API e dai test reali, non dagli annunci di supporto.