CEO de Intel: «Toda la industria está motivada para eliminar el mercado CUDA»
El CEO de Intel afirma que la “industria entera” quiere romper el dominio de Nvidia en la computación con GPU eliminando la dependencia de CUDA, pero muchos señalan que los competidores han tenido años para construir alternativas viables y en gran medida no han invertido a la escala necesaria. Los comentaristas sostienen que la verdadera ventaja competitiva de Nvidia es su madura pila de software, herramientas y bibliotecas, respaldada por una inversión intensa y a largo plazo, mientras que Intel, AMD y otros siguen ofreciendo ecosistemas fragmentados e incompletos pese a tecnologías prometedoras como ROCm, SYCL, oneAPI y Vulkan compute. Hay un amplio acuerdo en que una alternativa portátil y de alta calidad a CUDA sería saludable para el mercado, pero es escepticismo sobre que los fabricantes de chips incumbentes prioricen el trabajo profundo de software necesario para llegar allí.
La ventaja competitiva de CUDA y por qué es difícil desplazarlo
- Hay consenso en que la verdadera ventaja competitiva de CUDA es el ecosistema de software: compiladores maduros, bibliotecas (BLAS, RNG, etc.), herramientas de depuración/perfilado y una buena experiencia de desarrollo en muchos ámbitos (IA, HPC, gráficos, ciencia).
- Muchos señalan que “CUDA = el x86 de las GPU”: un estándar ubicuo, de facto, con años de ajustes incrementales e incontables proyectos dependientes.
- Varios sostienen que el problema no es solo el lenguaje CUDA, sino los innumerables kernels optimizados a mano y las características de hardware de bajo nivel (PTX, tensor cores) de las que dependen las aplicaciones.
Los esfuerzos de Intel/AMD y sus carencias
- Los comentaristas dicen que Intel/AMD “tuvieron años” con OpenCL y no invirtieron lo suficiente; OpenCL fracasó en gran medida en ergonomía y soporte.
- ROCm y HIP se ven como intentos parciales de compatibilidad con CUDA. Algunos informan que ROCm está mejorando y es de código abierto; otros dicen que el soporte está fragmentado, mal documentado y limitado a determinadas GPU “pro” o recientes.
- La pila oneAPI/SYCL de Intel es vista como prometedora por algunos practicantes de HPC, pero la adopción sigue siendo de nicho y el tooling es desordenado entre backends.
Acceso al hardware, aficionados y tarjetas antiguas
- Gran queja: AMD/Intel se centran en piezas de gama alta/centro de datos e ignoran GPU baratas o antiguas, lo que bloquea a estudiantes y aficionados que quieren aprender y contribuir.
- Debate sobre si dar soporte a tarjetas de 5–7 años de antigüedad (por ejemplo, la serie RX 570) es esencial para el crecimiento de la comunidad o un derroche de recursos.
- Algunos sostienen que el alquiler barato de GPU en la nube podría ayudar; otros dicen que el coste, las barreras de tarjeta de crédito y las limitaciones de capacidad hacen que las GPU locales sean cruciales.
APIs y arquitecturas alternativas
- Se mencionan SYCL, Vulkan compute, DirectX compute shaders y OpenCL 3.0; ninguna se considera aún a la par de CUDA en usabilidad o conjunto de funciones.
- Los compute shaders son ampliamente considerados viables, pero dolorosos (funciones de lenguaje limitadas, tooling deficiente, sin acceso del nivel de tensor cores en APIs más antiguas).
- Se discuten intentos pasados de “CPU many-core” (Xeon Phi, Larrabee) como fracasos instructivos: no suficiente ancho de banda, programación incómoda y superados por GPU que mejoraban rápidamente.
Abierto vs. propietario y estrategia
- Algunos quieren un equivalente abierto de CUDA (SYCL, Vulkan, OpenCL) para “commoditizar el complemento”; otros señalan que muchos consorcios así históricamente rinden por debajo de lo esperado.
- Existe la fuerte opinión de que la cultura de Intel/AMD sigue tratando el software como algo secundario; hasta que financien trabajo al nivel de CUDA (por ejemplo, backends de primera clase para PyTorch y capas completas de compatibilidad con CUDA), hablar de “eliminar CUDA” se descarta como relaciones públicas.