مطوّر يدمج ZLUDA مع HIP: تشغيل CUDA على AMD RX 9060 XT بنظام Windows

مقدمة تحليلية

بتاريخ 14 سبتمبر 2026، تحديداً في الساعة 14:23:12 بالتوقيت العالمي المنسق، أثبت مطور فردي إمكانية تشغيل أعباء عمل CUDA الحصرية على أجهزة AMD في بيئة Windows. هذا التطور، الذي لم يتطلب أنظمة افتراضية أو تمهيداً مزدوجاً، يمثل سابقة تقنية. المشروع، المسمى "CUDA-for-AMD-Windows" من Speedstu، نجح في تشغيل مكتبات CUDA متعددة على وحدة معالجة رسومات الألعاب Radeon RX 9060 XT. هذا ليس بديلاً مباشراً لـ CUDA، بل هو إطار إعداد تلقائي يربط ZLUDA، وهي طبقة ترجمة سابقة، بحزمة HIP/ROCm SDK الأصلية من AMD لنظام Windows. الهدف المعلن هو تجاوز حاجز التوافق الذي فرضته NVIDIA لعقود، مما يفتح الباب أمام تشغيل التطبيقات التي تتطلب CUDA بشكل صارم على أجهزة غير NVIDIA.

التحليل التقني

لا يمثل مشروع "CUDA-for-AMD-Windows" بيئة تشغيل جديدة بحد ذاتها، بل هو مجموعة من نصوص PowerShell البرمجية ذات الأتمتة العالية والقابلة للتكرار. تكمن آليته في سد الفجوة بين ZLUDA، وهي طبقة الترجمة المعروفة التي فقدت دعمها التجاري مرتين وأصبحت الآن "مشروع هواية نهاية الأسبوع"، وبين حزمة تطوير برمجيات HIP/ROCm SDK الأصلية من AMD لنظام التشغيل Windows. تقوم هذه الأدوات البرمجية تلقائياً باكتشاف معمارية وحدة معالجة الرسومات لدى المستخدم، ثم تستخدم إصداراً محدداً من ZLUDA (v6-preview.69)، وتقوم بربطه بمكتبات ROCm الرياضية المتوفرة بالفعل في Windows.

ربط المكتبات والأداء

• تمكن المشروع من اعتراض وربط واجهة برمجة تطبيقات برنامج تشغيل CUDA، بالإضافة إلى مكتبات cuBLAS و cuSPARSE و cuFFT، مباشرةً بنظيراتها في AMD.
• الأهم أن مكتبات التعلم الآلي الحاسمة مثل cuDNN و TensorRT و NCCL لم يتم ربطها بعد.
• كتجربة إثبات مفهوم، قام المطور بتدريب شبكة تعزيز التعلم PPO بـ 2.2 مليون معلمة بشكل كامل باستخدام مكتبات CUDA غير المعدلة على بطاقة AMD Radeon RX 9060 XT، وهي البطاقة الوحيدة المدعومة رسمياً في الوقت الحالي.

اختبارات الأداء المضمنة في وثائق المشروع قدمت بيانات محددة. في اختبار A/B خاضع للرقابة، تم تشغيل عبء عمل تعلم تعزيزي بـ 2.2 مليون معلمة على Radeon RX 9060 XT. حقق "المسار العام الصاعد" (public upstream path)، الذي يعتمد على إصدارات ZLUDA الرسمية وحزمة HIP SDK 6.4 القياسية من AMD، متوسط إنتاجية بلغ 13,278.46 خطوة في الثانية (SPS). في المقابل، حقق "التراكب المخصص المسترجع" (recovered custom overlay)، المبني من ثنائيات ZLUDA القديمة المستعادة، أداءً أسوأ قليلاً عند 12,875.80 SPS، مما يجعله أبطأ بنحو 3.03%. تفاصيل الأداء الإضافية تشمل:

• متوسط SPS العام: 13,172.49 (عام) مقابل 12,649.83 (مخصص)، بفارق -3.97%.
• متوسط SPS للجمع: 63,306.00 (عام) مقابل 59,360.67 (مخصص)، بفارق -6.23%.
• متوسط SPS للاستهلاك: 16,806.36 (عام) مقابل 16,445.66 (مخصص)، بفارق -2.15%.
• متوسط وقت الاستدلال: 0.5863 ثانية (عام) مقابل 0.6293 ثانية (مخصص)، بفارق +7.33%.
• متوسط وقت تعلم PPO: 3.2076 ثانية (عام) مقابل 3.2958 ثانية (مخصص)، بفارق +2.75%.

على الرغم من أن الإعداد الرسمي النظيف أسرع، يشير المؤلف إلى أن "إعادة كتابة لاحقة أزالت LibTorch/ZLUDA من PPO وحققت إنتاجية أعلى بكثير"، مما يؤكد وجود تأثير على الأداء بسبب هذه الحزمة من المترجمات.

السياق وتأثير السوق

يمثل هذا المشروع محاولة لكسر احتكار NVIDIA لبيئة CUDA، المعروفة باسم "خندق CUDA". مع تحديثات ROCm الأخيرة، قدمت AMD أخيراً دعماً رسمياً قوياً لـ PyTorch و HIP SDK على Windows لوحدات معالجة الرسومات الاستهلاكية، داعمة بالكامل سلاسل Radeon RX 7000 و RX 9000. بالنسبة للأطر المدعومة أصلاً، أصبحت AMD على Windows حقيقة قابلة للتطبيق. لكن هذا المشروع يستهدف الفجوة التي تتركها التطبيقات الاحتكارية القديمة أو أدوات الذكاء الاصطناعي المتخصصة التي تصر على دعم CUDA فقط. قبل هذا، كان تشغيل هذه الأعباء على أجهزة AMD يتطلب حلولاً معقدة مثل المحاكاة الافتراضية أو التمهيد المزدوج، أو التعامل مع مشكلات تمرير WSL2.

الآن، يقدم هذا المشروع مسار ترجمة مرغوباً للغاية للمطورين الذين يرغبون في تجربة هذه الأدوات الحصرية لـ CUDA محلياً على أجهزتهم العاملة بنظام Windows. هذا الحل يعمل كنوع من المحول الاختراقي للبرامج التي تتطلب عناداً بطاقة NVIDIA. في سوق حيث تتنافس NVIDIA و AMD بشدة على حصة السوق في الذكاء الاصطناعي والحوسبة الفائقة، يمثل هذا التطور إشارة إلى أن الحاجز أمام تشغيل برامج CUDA على وحدات معالجة رسومات AMD ليس عيباً في الأجهزة لا يمكن التغلب عليه، بل مشكلة في أدوات الترجمة يمكن معالجتها. ورغم أن المشروع لا يلغي حاجة الشركات الكبرى للحلول المؤسسية، فإنه يمنح المستخدم الفردي خيارات لم تكن متاحة من قبل، مما يضع ضغطاً غير مباشر على نموذج أعمال NVIDIA القائم على الاحتكار البرمجي.