LONDON / LONDON (IT BOLTWISE) – Spectral Compute aus London will CUDA als faktischen HPC-Standard erhalten – aber die Bindung an NVIDIA-Hardware aufbrechen. Der Compiler SCALE wird als Drop-in-Ersatz für NVCC positioniert und soll bestehende CUDA-Codebasen ohne komplette Neuschreibung auf anderen Chips neu kompilieren. Besonders auf AMD-GPUs verspricht das Unternehmen signifikante Leistungsgewinne gegenüber HIPIFY-Ansätzen. Parallel arbeitet Spectral an Kompatibilität für zentrale GPU-Bibliotheken und bereitet Schritte Richtung PyTorch-Einbindung vor.
CUDA ist in der Hochleistungs- und KI-Programmierung längst mehr als ein Toolkit: Es ist zur tatsächlichen Schnittstelle zwischen Anwendung und GPU geworden. Wer heute CUDA-Quellcode schreibt, plant oft im Kopf gleich mit NVIDIA-Hardware – inklusive Treiber- und Bibliothekslandschaft. Genau an diesem Punkt setzt die Londoner Startup-Schmiede Spectral Compute an. Mit SCALE soll es gelingen, bestehenden CUDA-Code auf andere Beschleuniger umzusetzen, ohne Projekte umzubauen. Das ist nicht nur eine technische Frage, sondern auch eine Kosten- und Lieferkettenfrage, denn in vielen Umgebungen dominieren die Hardwarepreise weiterhin die Gesamtbetriebskosten.
Der Kernansatz unterscheidet sich von klassischen „CUDA-portierern“. SCALE arbeitet als eigener Compiler und kompiliert CUDA direkt für das Zielsystem, statt CUDA lediglich in eine andere Sprache zu übersetzen oder nur bereits übersetzte Binaries anzupassen. Damit folgt Spectral einer Logik, die CPU-Welt und Cross-Compilation seit Jahren prägt: derselbe Quellcode läuft auf verschiedenen Architekturen, und die Leistungsunterschiede entstehen primär durch Hardware- und Microcode-Eigenheiten, nicht durch einen Übersetzungsumweg. Laut Unternehmen beruht das auf einem Tooling-Stack mit LLVM und Clang, was die Integration in bestehende Build-Prozesse erleichtern soll.
Technisch adressiert Spectral damit auch die Lücke, die bei Übersetzungstools häufig sichtbar wird. HIPIFY etwa konvertiert CUDA in C++ für ROCm, kann aber Low-Level-Fähigkeiten wie PTX nicht vollständig ausschöpfen. Intel verfolgt mit SYCLomatic einen Migrationsansatz, der laut Berichtstext einen großen Teil des Codes automatisch übernimmt und einen Rest manuell nachzieht. Tools, die auf Binary-Ebene arbeiten, riskieren zudem Genauigkeits- oder Performanceverluste, weil Optimierungen stärker von der Ziel-Laufzeitumgebung abhängen. Spectrals Argument lautet: Wenn man ab Quelltext neu kompiliert und Ergebnisse gezielt gegen NVCC-Ausgaben validiert, lassen sich Korrektheit und Effekte auf der Zielplattform besser kontrollieren.
Im Vergleich ist das auch strategisch relevant. Der Wettbewerb um „CUDA portability“ ist nicht neu: Schon früh versuchten Projekte, CUDA-Workflows zu abstrahieren, um Lock-in zu reduzieren. Die praktische Realität war jedoch häufig, dass die automatisch migrierte Semantik nicht 1: 1 die ursprünglichen Optimierungen erreicht oder dass Performance-Kurven nur für bestimmte Kernel-Typen gut aussehen. Spectrals Benchmark-Aussagen beziehen sich konkret auf HIPIFY-basierte Ansätze auf AMD GPUs und nennen in einzelnen Fällen Leistungsgewinne, die in Richtung „mehrfach“ gehen, sogar bis zu einem Faktor von etwa sechs. Das klingt ambitioniert, bedeutet aber zugleich: Wer viele komplexe CUDA-Programme besitzt, sucht weniger nach „kompatibel“, sondern nach „kompatibel und schnell genug für Produktion“.
Für den Markt kommt hinzu, dass CUDA-Ökosystemkomponenten oft den realen Aufwand treiben. Viele Anwendungen sind nicht nur „CUDA-Code“, sondern hängen an einer ganzen Bibliotheksschicht, etwa cuDNN, cuTENSOR oder cuDF. Spectral arbeitet laut Beschreibung daran, diese Abhängigkeiten breiter zu unterstützen, und plant konkret PyTorch-Kompatibilität, um typische KI-Workflows ohne Reibungsverluste anzubinden. Hier entsteht eine praktische Marktbarriere für Wettbewerber: Selbst wenn ein Compiler den Kernel übersetzt, müssen die semantischen und ABI-nahe Erwartungen der Libraries sauber erfüllt werden. Gleichzeitig profitieren Enterprise-Teams davon, wenn der Portierungsaufwand sinkt und die Validierungszyklen kürzer werden.
Auch auf der Unternehmensseite zeigt sich der Kontext: Spectral will nicht als Front gegen NVIDIA gelesen werden, sondern als Ergänzung, die den Industriestandard „CUDA“ weiter stabilisiert. Das Startup ist dafür im Umfeld des NVIDIA-Inception-Programms verortet und beschreibt die Zusammenarbeit als kooperativ mit beiden großen Plattformwelten. Für Kunden ist das ein wichtiges Signal, denn es reduziert das Risiko, dass ein Toolset politisch oder strategisch „gegen“ einzelne Anbieter läuft. Gleichzeitig bleibt der Wettbewerbsdruck hoch: AMD verbessert ROCm kontinuierlich, während Tools wie SYCL- oder Binary-Emulation-Ansätze weiterhin versuchen, bestehende Codebasen zu retten. Aus Analysten- und Integrationsperspektive ist die entscheidende Frage daher weniger das „Ob“, sondern die Planbarkeit über mehrere Compiler-Versionen hinweg.
Regulatorisch und organisatorisch tauchen bei solchen Portierungs-Tools häufig weitere Themen auf, auch wenn sie selten im Fokus der Marketingtexte stehen. Build- und CI-Systeme, die aus fremdem Quelltext kompilieren, müssen sicherstellen, dass Supply-Chain-Risiken (z. B. Abhängigkeiten in Toolchains) kontrolliert werden. Außerdem können Exportkontroll- und Beschaffungsvorgaben in großen Unternehmen eine Rolle spielen, wenn GPU-Infrastruktur oder bestimmte Treiber-/Library-Versionen betroffen sind. Wer SCALE in produktionsnahe Pipelines bringt, muss zudem berücksichtigen, wie Validierungsdaten und Profiling-Logs gehandhabt werden, um Datenschutz- und Sicherheitsanforderungen einzuhalten – besonders bei Forschungsteams, die gemischte Datensätze betreiben.
Für die Zukunft ist der Zeitplan ebenso entscheidend wie die technische Richtung. Spectral liefert SCALE erst seit rund zwei Jahren aus, hat aber bereits Tests auf großen Systemen inklusive des Frontier-Setups am Oak Ridge National Laboratory erwähnt. Mit etwa 30 Mitarbeitenden will das Unternehmen kommerzielle Nutzer bedienen und bietet akademischen wie gemeinnützigen Organisationen den Zugang kostenlos an. In der Roadmap steht zunächst AMD-Unterstützung klar im Vordergrund, während die Erweiterung auf weitere KI-Beschleuniger angedacht ist. Der wahrscheinlichste Entwicklungspfad ist eine tiefere Library-Integration und ein „MLOps-freundlicheres“ Deployment, bei dem Entwickler weniger an Build-Flags drehen und mehr mit Standard-Frameworks arbeiten können.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Spectral Compute: SCALE macht CUDA portabel – auch auf AMD GPUs" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Spectral Compute: SCALE macht CUDA portabel – auch auf AMD GPUs" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Spectral Compute: SCALE macht CUDA portabel – auch auf AMD GPUs« bei Google Deutschland suchen, bei Bing oder Google News!