Wiceprezes AMD: przewaga CUDA nad Nvidią traci znaczenie

Podczas konferencji prasowej poprzedzającej doroczne wydarzenie Advancing AI w San Francisco wiceprezes AMD Andrew Dieckman powiedział wprost, że software'owa przewaga Nvidii traci na znaczeniu. Według niego klienci firmy niemal przestali pytać o CUDA, zamkniętą platformę programistyczną, która od lat uchodzi za główny fundament dominacji Nvidii na rynku układów do sztucznej inteligencji.

Co powiedział Dieckman

Dieckman przyznał, że jeszcze niedawno rozmowy z klientami AMD regularnie schodziły na temat CUDA, zamkniętego środowiska programistycznego Nvidii, które od ponad piętnastu lat wiąże deweloperów z jej sprzętem. Dziś, jak twierdzi, temat praktycznie zniknął z rozmów handlowych, bo firmy budujące systemy AI przeniosły się na wyższe warstwy abstrakcji, gdzie nie mają bezpośredniej styczności z niskopoziomowym kodem sprzętowym.

W praktyce oznacza to, że narzędzia takie jak kompilator Triton od OpenAI, wbudowany dziś jako domyślna ścieżka generowania kernela w potoku torch.compile frameworku PyTorch, potrafią automatycznie tłumaczyć kod na instrukcje zarówno dla GPU Nvidii, jak i AMD. Deweloper piszący model uczenia maszynowego nie musi już świadomie wybierać między CUDA a ROCm, otwartym odpowiednikiem AMD, bo warstwa pośrednia sama decyduje, na jakim sprzęcie kod się wykona.

Jeszcze niedawno rozmawiałem z naszymi klientami o CUDA całkiem sporo - Andrew Dieckman, wiceprezes AMD i dyrektor generalny działu GPU do centrów danych

ROCm.ai wchodzi do gry

Przy okazji Advancing AI 2026 AMD zaprezentowało ROCm.ai, nową platformę deweloperską opisywaną jako natywna dla agentowej sztucznej inteligencji. Narzędzie integruje asystentów kodujących, w tym Claude, Codex i Cursor, z automatyczną optymalizacją i wdrażaniem modeli na sprzęcie AMD. Firma zapowiada, że agenci kodujący będą teraz rozumieć architekturę ROCm natywnie, bez potrzeby ręcznego dostosowywania kodu pisanego pierwotnie pod CUDA.

Według wcześniejszych zapowiedzi AMD nowa wersja ROCm ma przynosić do 3,3-krotny wzrost wydajności wnioskowania względem poprzednich iteracji. To kontynuacja strategii, którą firma prowadzi od kilku lat, stopniowo domykając lukę wydajnościową i programistyczną wobec CUDA, zamiast próbować je bezpośrednio skopiować.

Dlaczego CUDA wciąż się broni

Twierdzenie Dieckmana nie oznacza, że przewaga Nvidii zniknęła. Analitycy szacują, że firma nadal kontroluje zdecydowaną większość rynku akceleratorów AI, w zależności od metodologii od około 75 do ponad 85 procent, podczas gdy AMD zajmuje wciąż pojedyncze procenty. CUDA korzysta z bazy liczonej w milionach deweloperów i tysięcy gotowych, zoptymalizowanych aplikacji, a głębsza integracja narzędzi takich jak cuDNN, TensorRT-LLM czy NCCL wciąż daje Nvidii przewagę przy treningu modeli na dużą skalę.

Dlatego wypowiedź wiceprezesa AMD warto czytać jako element strategii komunikacyjnej firmy, a nie neutralną diagnozę rynku. AMD ma bezpośredni interes w przekonywaniu klientów, że warstwa programistyczna przestaje mieć znaczenie, bo to właśnie na tym polu Nvidia zbudowała swoją najtrwalszą przewagę. Pełne wyrównanie szans, jak przyznają sami analitycy branżowi, pozostaje odległe o lata.

Co to znaczy dla firm kupujących sprzęt AI

Dla firm planujących inwestycje w infrastrukturę AI, także w Polsce, sygnał jest praktyczny: rosnąca liczba narzędzi programistycznych działa dziś ponad podziałem CUDA-ROCm, co realnie obniża koszt przejścia na tańszy sprzęt AMD tam, gdzie wcześniej barierą był brak kompatybilnego oprogramowania. To może mieć znaczenie przy wyborze dostawcy chmury obliczeniowej lub przy budowie własnych klastrów GPU, gdzie różnica cenowa między układami Nvidii i AMD bywa znacząca.

Jednocześnie ostrożność pozostaje uzasadniona. Duże wdrożenia produkcyjne, zwłaszcza trening największych modeli językowych, wciąż w praktyce opierają się niemal wyłącznie na ekosystemie Nvidii, a deklaracje producentów o równorzędności narzędzi nie zawsze przekładają się na rzeczywiste testy wydajnościowe w warunkach produkcyjnych.

Advancing AI 2026 potwierdza też szerszy trend: rywalizacja między Nvidią i AMD przenosi się z samych specyfikacji chipów na warstwę oprogramowania i narzędzi dla deweloperów, czyli obszar, w którym o wyborze dostawcy decydują coraz częściej agenci kodujący, a nie inżynierowie piszący kod ręcznie.