ZLUDA, pustaka “porting kode” yang terkenal, kini telah mengalami kebangkitannya dan kini sedang dikembangkan untuk mendukung kompatibilitas “multi-GPU”, terutama untuk beban kerja AI.
ZLUDA Kini Dikembangkan Di Bawah Sponsor “Anonim”, Dapat Membawa Komputasi AI ke Tingkat Baru
Bagi mereka yang belum mengetahuinya, perpustakaan ZLUDA menjadi berita utama beberapa bulan yang lalu, dan pada awalnya dirancang untuk mendukung GPU Intel pada tumpukan perangkat lunak NVIDIA, namun pada akhirnya, AMD mengelola proyek tersebut dan, bersama dengan beberapa pengembang, membentuknya. sedemikian rupa sehingga memungkinkan mereka mendobrak batasan dan mengakses CUDA NVIDIA ke perangkat keras AI mereka sendiri, yang dipandang sebagai terobosan besar bagi komunitas open source. Namun, AMD memutuskan untuk membatalkan proyek tersebut karena masalah hukum, tetapi ZLUDA kembali, kali ini dengan sebuah kejutan.
Laporan baru oleh Phoronik mengklaim bahwa pengembang asli ZLUDA, Andrzej Janik, telah mengumumkan bahwa ZLUDA kembali ke tahap pengembangannya di bawah sponsor anonim, namun ada hal yang cukup menarik untuk ZLUDA yang akan kita bahas selanjutnya. ZLUDA diklaim kini menjadi disetel untuk mengaktifkan dukungan multi-GPUyang berarti perpustakaan tersebut akan kompatibel dengan arsitektur apa pun, baik itu AMD atau NVIDIA. Kini, alih-alih mengoptimalkan beban kerja profesional, ZLUDA akan fokus pada beban kerja AI/ML.
Artinya, ZLUDA kini akan mendukung pustaka seperti Llama.cpp, PyTorch, dan TensorFlow, dan fokus khusus adalah mengerjakan ulang jalur kode NVIDIA agar kompatibel dengan vendor GPU lainnya. Pengembang yang terlibat telah memulai pengujian dengan GPU RDNA AMD, dan dikatakan bahwa ZLUDA akan mendukung arsitektur RDNA1+ bersama dengan dukungan tumpukan komputasi ROCm 6.1+; oleh karena itu, untuk portofolio komputasi AMD, ZLUDA akan terbukti menjadi game changer.
Kini, terkait kapan perpustakaan tersebut akan muncul kembali di pasaran, pengembang Janik mengklaim membutuhkan waktu sekitar satu tahun sebelum perpustakaan tersebut kembali berbentuk. Jika proyek ini terbukti berhasil, kita mungkin melihat batas-batas eksklusif yang ditemukan dalam tumpukan perangkat lunak AI terpecah, sehingga memungkinkan arsitektur untuk memanfaatkan kemampuan satu sama lain untuk hasil akhir yang optimal.
