英特尔 CEO："整个行业都在致力于消除 CUDA 市场"
英特尔 CEO 声称，“整个行业”都想通过摆脱对 CUDA 的依赖来打破英伟达在 GPU 计算领域的主导地位，但许多人指出，竞争对手已经有多年时间去构建可行替代方案，却基本没有按所需规模投入。评论者认为，英伟达真正的护城河是其成熟的软件栈、工具和库——背后是长期且重度的投入——而英特尔、AMD 等厂商尽管有 ROCm、SYCL、oneAPI 和 Vulkan compute 等有前景的技术，仍然提供碎片化、不完整的生态。大家普遍认同，一个可移植、高质量的 CUDA 替代方案对市场是有益的，但也怀疑现有芯片厂商是否会优先投入实现这一目标所需的深层软件工作。
CUDA 的护城河，以及为什么它很难被撼动
- 共识认为 CUDA 的真正护城河是 软件生态：成熟的编译器、库（BLAS、RNG 等）、调试/性能分析工具，以及跨多个领域（AI、HPC、图形、科学）的良好开发者体验。
- 许多人指出，“CUDA = GPU 领域的 x86”：无处不在、事实上的标准，经过多年持续优化，并有无数依赖它的项目。
- 一些人认为，问题不只是 CUDA 语言本身，而是无数手工优化的 kernel 和底层硬件特性（PTX、tensor cores），应用都依赖这些能力。
英特尔/AMD 的努力与不足
- 评论者称英特尔/AMD“有好几年时间”可以围绕 OpenCL 发力，但投入不足；OpenCL 在易用性和支持方面大体失败了。
- ROCm 和 HIP 被视为对 CUDA 兼容性的部分尝试。有人表示 ROCm 正在改进，而且是开源的；也有人称其支持碎片化、文档不足，而且只覆盖少数“专业版”或较新的 GPU。
- 英特尔的 oneAPI/SYCL 技术栈在一些 HPC 从业者看来很有前景，但采用范围仍然小众，而且在不同后端之间的工具链很混乱。
硬件可获得性、爱好者与老旧显卡
- 一个主要抱怨是：AMD/Intel 把重点放在高端/数据中心产品上，却忽视便宜或旧款 GPU，这阻碍了学生/爱好者学习和贡献。
- 讨论集中在是否有必要支持 5–7 年前的卡（例如 RX 570 系列）来促进社区成长，还是这会消耗资源。
- 有人认为廉价云 GPU 租用可以帮忙；也有人说成本、信用卡门槛和容量限制使本地 GPU 依然至关重要。
替代 API 与架构
- 文中提到了 SYCL、Vulkan compute、DirectX compute shaders 和 OpenCL 3.0；但没有一个被认为能匹配 CUDA 的易用性或功能集。
- compute shaders 普遍被认为可用，但很痛苦（语言特性有限、工具链差、旧 API 无法访问 tensor-core 级能力）。
- 过去“many-core CPU”的尝试（Xeon Phi、Larrabee）被讨论为很有启发性的失败案例：带宽不够、编程别扭，而且被快速进步的 GPU 超越。
开放 vs 专有，以及策略
- 有人希望有一个开放的、等同于 CUDA 的方案（SYCL、Vulkan、OpenCL），以“把补充部分商品化”；但也有人指出，这类联盟在历史上往往表现不佳。
- 很强的观点是：英特尔/AMD 的文化仍然把软件视为次要；除非它们为 CUDA 级别的工作投入资金（例如一流的 PyTorch 后端和完整的 CUDA 兼容层），否则所谓“消除 CUDA”的说法就会被视为公关宣传。