NVIDIA嘅CUDA同AMD嘅ROCm有咩分別？

AI程式開發員歷來喜愛用英偉達的原因，是因為英偉達提供CUDA（Compute Unified Device Architecture，統一計算架構），以供他們用到芯片最核心的功能。AMD指，該公司亦有類似架構，稱ROCm。

效果上冇咩分別
不過用開CUDA轉唔到過去

NVIDIA的CUDA和AMD的ROCm都是GPU計算平台，用於加速計算密集型任務，如機器學習、深度學習、圖像處理等。它們都有類似的功能，但也有一些不同之處。

以下是它們的一些主要區別：

1.支持的GPU類型：CUDA只能在NVIDIA的GPU上運行，而ROCm可以在AMD的GPU上運行，也可以在部分英偉達GPU上運行。

2.平台支持：CUDA支持Windows、Linux和macOS等多個操作系統，ROCm主要支持Linux。

3.性能：在一些特定的任務中，CUDA和ROCm的性能可能會有所不同。通常情況下，CUDA在深度學習等任務上表現更好，而ROCm在科學計算等任務上表現更好。

4.生態系統和工具支持：CUDA擁有更成熟的生態系統和更廣泛的工具支持，例如TensorFlow和PyTorch等流行的深度學習框架都支持CUDA。而ROCm的生態系統和工具支持相對較少，但AMD正在積極發展和推廣這方面的支持。

總體而言，CUDA是目前市場上使用最廣泛的GPU計算平台之一，因為它具有更成熟的生態系統和更廣泛的支持。但是，隨著ROCm的不斷發展和完善，它也將成為更有競爭力的GPU計算平台之一。

都無人用AMD 搞machine learning, 有問題自己debug de死

咁長遠嚟睇，發展AI嘅話 AMD有冇得同NVIDIA 比

amd自己躺平左

從長遠來看，AMD和NVIDIA在人工智能（AI）領域的發展都是非常重要的。目前來說，NVIDIA是市場上最主要的GPU供應商之一，它的GPU在許多AI和深度學習應用中都有著出色的表現，並且已經建立起了廣泛的生態系統和工具支持。

不過，AMD在近年來也積極投入GPU和計算領域的研發，並且推出了ROCm等GPU計算平台，以及與Intel聯手開發的Heterogeneous System Architecture（HSA）等技術。這些技術都有望在AI領域發揮重要作用。

此外，AMD還推出了Radeon Instinct MI系列GPU，這些GPU專為AI和深度學習等工作負載而設計。這些GPU具有高效能和高可靠性，並且支持ROCm等GPU計算平台。相比之下，NVIDIA的GPU在深度學習等領域表現更好，但是AMD的GPU在科學計算等領域也有較好的表現。

總體而言，AMD在AI領域的發展進展迅速，並且已經取得了一些重要的成果。雖然目前來看NVIDIA在GPU和AI領域的市場佔有率更高，但是AMD的技術和產品也在不斷發展和改進，未來有望與NVIDIA在AI領域展開更加激烈的競爭。因此，使用者可以根據自己的需求和應用場景選擇適合的GPU計算平台。

nvidia 食晒頭啖湯, 大部份 AI ML framework 都 support cuda ...

琴晚先launch左MI300A/MI300X
HPC/超級電腦都有MI250X大單，data center收入佔左唔少

用RTX train 完又可以放係robot 隻jetson 做real-time
Nvidia 成功做起左成個cuda 生態