独立开发者Speedstu最近推出了一项名为"CUDA-for-AMD-Windows"的开源项目，该项目令人兴奋地实现了在Windows系统上使用AMD显卡运行特定的CUDA工作负载，用户无需依赖虚拟机或双重启动。经过实际测试，项目成功在RX 9060 XT显卡上训练了一个包含220万参数的PPO强化学习网络，且整个过程使用了未经修改的CUDA库。该项目主要由一组高度自动化的PowerShell脚本构成，这些脚本将ZLUDA翻译层与AMD自主开发的HIP/ROCm SDK for Windows进行了有效连接。

这些脚本具备自动检测GPU架构的功能，并能够下载指定版本的ZLUDA（v6-preview.69），同时将其映射到Windows上现有的ROCm数学库。此外，开发者成功截取和映射了CUDA驱动API，以及cuBLAS、cuSPARSE、cuFFT这三个核心库，并将它们直接连接到AMD的相应实现上。最近，AMD通过ROCm更新为Windows平台的消费级GPU正式引入了对PyTorch和HIP SDK的支持，涵盖了RX 7000和RX 9000系列。但仍有大量传统应用、老旧代码库和特定AI工具依赖于CUDA，这使得AMD用户需借助WSL2或等待原作者发布HIP移植版来使用这些工具。此项目的推出，正好填补了这一空白，类似于为仅支持NVIDIA的软件提供了一个转换接口。

基准测试结果显示，在RX 9060 XT显卡上，使用官方ZLUDA及AMD HIP SDK 6.4路径下的220万参数强化学习工作负载，获得的中位数吞吐量为13278 steps/秒；而使用从旧版ZLUDA二进制中恢复的自定义覆盖层则为12876 steps/秒，低了大约3%。开发者指出，未来若能重写以去掉LibTorch/ZLUDA，吞吐量将显著提升，这表明目前的翻译层仍存在性能损失。然而，目前尚未达到CUDA护城河被完全打破的地步，关键的AI库如cuDNN、TensorRT和NCCL仍无法解析，这使得重度依赖cuDNN的工具会面临失效风险。

尽管如此，这一开源项目证明了在AMD显卡上运行CUDA专属软件的障碍并非不可逾越，问题主要出在可解决的翻译工具上。未来，项目的开源性质及社区的贡献可能为其他硬件支持和CUDA库兼容性扩展带来新的机遇。