O ZLUDA Agora Implementa as APIs cuFFT da NVIDIA com o hipFFT: O Que Isso Significa para as GPUs AMD

 

O ZLUDA implementa APIs cuFFT da NVIDIA via hipFFT da AMD. Descubra como isso permite rodar Folding@Home e outras aplicações CUDA em GPUs Radeon sem virtualização.

O projeto ZLUDA, uma iniciativa de código aberto que traduz chamadas CUDA para o ecossistema HIP/ROCm da AMD, acaba de dar um passo significativo na direção da interoperabilidade total.

Este avanço, liderado pelo desenvolvedor "AmosKito1", não é apenas mais uma linha em um changelog. Ele representa a quebra de mais uma barreira técnica que historicamente mantinha workloads científicos e de computação de alto desempenho presos ao hardware da NVIDIA.

Neste artigo, você vai entender o que mudou, por que isso importa para quem usa GPUs Radeon no Brasil, quais são as limitações e como testar essa novidade hoje mesmo. 

O Que É o ZLUDA e Por Que Ele Importa?

O ZLUDA é um projeto open-source que permite executar aplicações escritas para CUDA — a plataforma de computação paralela da NVIDIA — em GPUs de outros fabricantes, especialmente as AMD Radeon. 

Ele funciona como uma camada de tradução dinâmica: em vez de recompilar o software, o ZLUDA intercepta as chamadas CUDA e as redireciona para equivalentes no ecossistema HIP/ROCm da AMD.

A Ponte Entre CUDA e AMD

A grande sacada do ZLUDA é que ele não exige que o desenvolvedor reescreva o código. 

Bibliotecas como cuBLAS (álgebra linear), cuSPARSE (matrizes esparsas) e agora cuFFT (transformadas de Fourier) são mapeadas para as suas contrapartes da AMD — rocBLAS, rocSPARSE e rocFFT/hipFFT — sempre que existe uma equivalência funcional direta.

Isso é particularmente relevante para o público brasileiro que investiu em placas Radeon para jogos ou trabalho e agora pode vislumbrar a execução de aplicações científicas, de Machine Learning e de simulação que antes eram exclusivas do ecossistema NVIDIA.

O Que Mudou com a Implementação do cuFFT?

A cuFFT é a biblioteca da NVIDIA para o cálculo de Transformadas Rápidas de Fourier em GPU. 

Ela é usada em uma vasta gama de aplicações: processamento de sinais, imagens médicas, simulações físicas, análise espectral e até mesmo em projetos de computação distribuída como o Folding@Home.

Produto Recomendado

Se você quer se aprofundar no uso de ferramentas de linha de comando e administração de sistemas Linux, recomendo o livro "Linux: A Bíblia" (8ª edição),(na Amazon) de Christopher Negus. 

É uma referência completa que cobre desde comandos básicos até automação avançada com Wget, cURL e outras ferramentas essenciais.  

Você pode adquiri-lo na Amazon Brasil através deste link afiliado. Ao comprar por esse link, você apoia este conteúdo sem pagar nada a mais por isso.

O Papel do hipFFT na Tradução Dinâmica

A hipFFT é uma biblioteca de marshalling que oferece uma interface comum tanto para rocFFT (backend da AMD) quanto para cuFFT (backend da NVIDIA). Em outras palavras, ela já foi projetada para espelhar a API da cuFFT, o que a torna o alvo natural para a tradução feita pelo ZLUDA.

De acordo com o pull request #672 no repositório oficial do ZLUDA, a tradução dinâmica de cuFFT para hipFFT foi suficiente para fazer com que os núcleos Core24 e Core27 do Folding@Home — originalmente escritos para o CUDA — passassem a funcionar em hardware AMD.

Importante: nem todas as APIs da cuFFT estão implementadas. O ZLUDA só traduz aquelas para as quais existe um equivalente direto na hipFFT. Isso significa que aplicações que usam funções mais especializadas da cuFFT ainda podem não funcionar.

Impacto Prático: Folding@Home e Além

O Folding@Home é um projeto de computação distribuída que simula o dobramento de proteínas para pesquisas sobre doenças como Alzheimer e câncer. Historicamente, os work units CUDA só rodavam em GPUs NVIDIA. 

Com essa implementação, donos de Radeon RX 9060 XT e outros modelos suportados agora podem contribuir com seus GPUs para o projeto sem precisar de virtualização ou dual-boot.

 O Que Ainda Falta e Quais São as Limitações?

É fundamental ser transparente: o ZLUDA não é uma solução mágica e ainda está em estágio de preview. Algumas limitações importantes:

• Cobertura parcial da cuFFT: apenas as APIs com equivalente direto na hipFFT são traduzidas.

• cuDNN ainda não funciona: a biblioteca de redes neurais profundas da NVIDIA continua sem suporte, o que inviabiliza muitos workloads de deep learning.

• Hardware validado limitado: o suporte foi testado principalmente na Radeon RX 9060 XT (gfx1200), embora outras GPUs RDNA possam funcionar. 

• Performance experimental: benchmarks indicam desempenho promissor, mas ainda abaixo do nativo em alguns cenários.

Essas ressalvas não diminuem a conquista — pelo contrário, elas mostram que o projeto está evoluindo de forma incremental e honesta.

Como Testar o ZLUDA 7-preview.11

Se você tem uma GPU AMD e quer experimentar, o caminho é relativamente acessível:

• 1. Verifique sua GPU: consulte a lista de hardware validado no repositório do ZLUDA.

• 2. Instale o HIP SDK 6.4 ou superior para Windows.

• 3. Baixe o ZLUDA 7-preview.11 no repositório oficial de releases.

• 4. Execute o verificador zluda.exe --cuda_check.exe para confirmar que as bibliotecas foram carregadas corretamente.

• 5. Teste com uma aplicação compatível, como o Folding@Home, e monitore o desempenho.

FAQ — Perguntas Frequentes

1. O ZLUDA funciona com qualquer GPU AMD?

Não. O suporte é experimental e validado principalmente na Radeon RX 9060 XT (gfx1200). Outras GPUs RDNA podem funcionar, mas sem garantias.

2. Preciso desinstalar os drivers da NVIDIA para usar o ZLUDA?

Não. O ZLUDA é uma camada de tradução que opera sobre o HIP/ROCm da AMD. Você não precisa de uma GPU NVIDIA instalada.

3. O Folding@Home agora roda em Radeon graças ao ZLUDA?

Sim, os núcleos Core24 e Core27 passaram a funcionar em hardware AMD após a implementação do cuFFT via hipFFT.

📋 Checklist para Copiar e Colar

✅ Verificar se a GPU é compatível (Radeon RX 9060 XT ou similar RDNA).

✅ Instalar HIP SDK 6.4+.

✅ Baixar ZLUDA 7-preview.11 no GitHub oficial.

✅ Executar zluda.exe --cuda_check.exe e confirmar "OK" nas bibliotecas.

✅ Testar com Folding@Home (Core24 ou Core27).

✅ Monitorar temperatura e desempenho.

✅ Reportar bugs no repositório oficial.

Conclusão 

A implementação das APIs cuFFT no ZLUDA é mais um tijolo na construção de um ecossistema de computação de alto desempenho verdadeiramente aberto. Para o usuário brasileiro de Radeon, isso significa mais liberdade, mais possibilidades e menos barreiras artificiais.

Quer começar agora? Baixe o checklist abaixo, teste o ZLUDA 7-preview.11 na sua máquina e compartilhe sua experiência nos comentários. Se este conteúdo foi útil, compartilhe com aquele amigo que acha que a GPU AMD "não serve para o trabalho".