इंटेल CEO: 'पूरी इंडस्ट्री CUDA बाज़ार को खत्म करने के लिए प्रेरित है'

मूल लेख ↗ Hacker News चर्चा ↗

Intel के CEO का दावा है कि “पूरी इंडस्ट्री” GPU कंप्यूटिंग में Nvidia के दबदबे को CUDA पर निर्भरता खत्म करके तोड़ना चाहती है, लेकिन कई लोग बताते हैं कि प्रतिस्पर्धियों को व्यवहारिक विकल्प बनाने के लिए सालों मिले और उन्होंने आवश्यक पैमाने पर निवेश नहीं किया। टिप्पणीकारों का तर्क है कि Nvidia का असली मोआट उसका परिपक्व सॉफ्टवेयर स्टैक, टूल्स और लाइब्रेरीज़ हैं—जिन्हें लंबे समय के भारी निवेश का सहारा मिला है—जबकि Intel, AMD और अन्य अभी भी fragmented, अधूरे इकोसिस्टम पेश करते हैं, भले ही ROCm, SYCL, oneAPI और Vulkan compute जैसी तकनीकें आशाजनक हों। व्यापक सहमति है कि एक portable, उच्च-गुणवत्ता वाला CUDA विकल्प बाज़ार के लिए अच्छा होगा, लेकिन संदेह बना हुआ है कि मौजूदा चिप निर्माता उसे हासिल करने के लिए ज़रूरी गहरे सॉफ्टवेयर काम को प्राथमिकता देंगे।

CUDA का मोआट और इसे हटाना इतना कठिन क्यों है

  • आम सहमति है कि CUDA का असली मोआट सॉफ्टवेयर इकोसिस्टम है: परिपक्व कंपाइलर, लाइब्रेरीज़ (BLAS, RNG, आदि), डिबगिंग/प्रोफाइलिंग टूल्स, और कई डोमेन्स (AI, HPC, ग्राफिक्स, विज्ञान) में अच्छा डेवलपर अनुभव।
  • कई लोग नोट करते हैं कि “CUDA = GPUs का x86” है: सर्वव्यापी, डिफ़ॉल्ट मानक, वर्षों की क्रमिक ट्यूनिंग और अनगिनत निर्भर प्रोजेक्ट्स के साथ।
  • कई लोग तर्क देते हैं कि समस्या सिर्फ CUDA भाषा नहीं है, बल्कि अनगिनत हैंड-ऑप्टिमाइज़्ड kernels और लो-लेवल हार्डवेयर फीचर्स (PTX, tensor cores) हैं जिन पर ऐप्स निर्भर करती हैं।

Intel/AMD के प्रयास और कमियाँ

  • टिप्पणीकारों का कहना है कि Intel/AMD के पास OpenCL के साथ “सालों” थे और उन्होंने कम निवेश किया; OpenCL ने एर्गोनॉमिक्स और सपोर्ट में बड़े पैमाने पर असफलता दिखाई।
  • ROCm और HIP को CUDA कम्पैटिबिलिटी के आंशिक प्रयासों के रूप में देखा जाता है। कुछ लोग बताते हैं कि ROCm बेहतर हो रहा है और ओपन सोर्स है; अन्य इसे fragmented, खराब डॉक्यूमेंटेड, और चुनिंदा “pro” या हालिया GPUs तक सीमित बताते हैं।
  • Intel का oneAPI/SYCL स्टैक कुछ HPC प्रैक्टिशनर्स को आशाजनक लगता है, लेकिन adoption अभी भी niche है और बैकएंड्स के बीच tooling messy है।

हार्डवेयर एक्सेस, हॉबीस्ट्स, और पुराने कार्ड्स

  • बड़ी शिकायत यह है कि AMD/Intel हाई-एंड/datacenter पार्ट्स पर ध्यान देते हैं और सस्ते या पुराने GPUs को नजरअंदाज करते हैं, जिससे छात्रों/हॉबीस्ट्स के लिए सीखना और योगदान देना मुश्किल हो जाता है।
  • इस पर बहस है कि 5–7 साल पुराने कार्ड्स (जैसे RX 570 सीरीज़) का समर्थन समुदाय की वृद्धि के लिए ज़रूरी है या संसाधनों की बर्बादी।
  • कुछ लोग तर्क देते हैं कि सस्ते क्लाउड GPU रेंटल मदद कर सकते हैं; अन्य कहते हैं कि लागत, क्रेडिट-कार्ड बाधाएँ, और क्षमता सीमाएँ स्थानीय GPUs को महत्वपूर्ण बनाती हैं।

वैकल्पिक APIs और आर्किटेक्चर

  • SYCL, Vulkan compute, DirectX compute shaders, और OpenCL 3.0 सभी का उल्लेख होता है; अभी कोई भी CUDA की उपयोगिता या फीचर सेट के बराबर नहीं माना जाता।
  • compute shaders को आम तौर पर उपयोगी लेकिन दर्दनाक माना जाता है (सीमित language features, खराब tooling, पुराने APIs में tensor-core-स्तरीय एक्सेस नहीं)।
  • अतीत के “many-core CPU” प्रयास (Xeon Phi, Larrabee) को शिक्षाप्रद विफलताओं के रूप में चर्चा की जाती है: पर्याप्त bandwidth नहीं, प्रोग्राम करना awkward, और तेज़ी से बेहतर होते GPUs के सामने हार गए।

Open बनाम Proprietary और रणनीति

  • कुछ लोग एक open CUDA-equivalent (SYCL, Vulkan, OpenCL) चाहते हैं ताकि “complement को commoditize” किया जा सके; अन्य कहते हैं कि ऐसे कई consortia ऐतिहासिक रूप से कमज़ोर प्रदर्शन करते रहे हैं।
  • मजबूत राय यह है कि Intel/AMD की संस्कृति अभी भी software को secondary मानती है; जब तक वे CUDA-class work (जैसे first-class PyTorch backends और full CUDA-compat layers) में फंडिंग नहीं करते, “CUDA को खत्म करने” की बातें PR मानी जाती हैं।