快科技 9 月 15 日消息，独立开发者 Speedstu 近日开源了名为 "CUDA-for-AMD-Windows" 的项目，在 Windows 上实现了 AMD 显卡运行 CUDA 专属工作负载，无需借助虚拟机或双系统。

实测环节该项目在 RX 9060 XT 上成功训练了一个 220 万参数的 PPO 强化学习网络，全程使用未经修改的 CUDA 库。

这个项目是一套高度自动化的 PowerShell 脚本，将 ZLUDA 翻译层与 AMD 原生的 HIP/ROCm SDK for Windows 对接。

脚本会自动检测 GPU 架构，拉取特定版本的 ZLUDA（v6-preview.69），映射到 Windows 上已有的 ROCm 数学库。开发者成功拦截并映射了 CUDA 驱动 API 以及 cuBLAS、cuSPARSE、cuFFT 三个核心库，直接转接到 AMD 的等效实现上。

AMD 近期通过 ROCm 更新为 Windows 消费级 GPU 带来了正式的 PyTorch 和 HIP SDK 支持，RX 7000 和 RX 9000 系列全面覆盖。

但大量专有应用、老旧代码库和专用 AI 工具仍然只认 CUDA，AMD 用户想跑这些工具只能靠 WSL2 穿透或等原作者写 HIP 移植版，这个项目就是填这个空，相当于给只认 NVIDIA 的软件装了一个转接头。

基准测试显示，在 RX 9060 XT 上跑 220 万参数强化学习工作负载，走官方 ZLUDA 加 AMD HIP SDK 6.4 的路径，吞吐量中位数 13278 steps/ 秒；走从旧版 ZLUDA 二进制文件中 salvaged 出来的自定义覆盖层，12876 steps/ 秒，慢约 3%。

开发者也坦言，后续重写去掉 LibTorch/ZLUDA 后吞吐量大幅提升，说明这层翻译栈仍有性能损耗。

不过现在还远不到 CUDA 护城河被填平的时候，关键 AI 库 cuDNN、TensorRT 和 NCCL 目前均无法解析，如果工具重度依赖 cuDNN，这套方案就会直接失效。

但这个项目证明了一件事：在 AMD 显卡上跑 CUDA 专属软件的障碍不是硬件层面的硬伤，而是可以解决的翻译工具问题，项目完全开源，社区贡献有望扩展更多硬件支持和 CUDA 库兼容。