CUDA en GPU AMD Radeon en Windows: ya es posible
Un desarrollador independiente logró correr librerías CUDA sin modificar en una Radeon RX 9060 XT usando ZLUDA y el SDK HIP de AMD, sin virtualización ni dual boot.
Si trabajas con inteligencia artificial, machine learning o simplemente te gusta trastear con proyectos de código abierto, seguro ya te topaste con esa herramienta que solo funciona con CUDA de NVIDIA aunque tu tarjeta sea AMD. Un desarrollador independiente acaba de reducir ese problema a algo mucho más manejable: usando ZLUDA junto con el SDK HIP/ROCm nativo de AMD para Windows, logró correr varias librerías CUDA sin modificar directamente en una Radeon RX 9060 XT, sin necesitar virtualización ni instalar Linux en dual boot.
¿Qué es "CUDA-for-AMD-Windows" y cómo funciona?
El proyecto, publicado por el desarrollador conocido como Speedstu, no es un runtime nuevo desde cero. Es un conjunto de scripts de PowerShell altamente automatizado que actúa como puente entre ZLUDA (la capa de traducción que en su momento tuvo respaldo económico de AMD) y el SDK HIP/ROCm que AMD ya trae de forma oficial para GPUs Radeon en Windows.
El script detecta automáticamente la arquitectura de tu GPU, descarga una versión específica de ZLUDA (v6-preview.69) y la mapea contra las librerías matemáticas de ROCm que ya tienes instaladas. En pocas palabras: intercepta las llamadas que un programa hace pensando que habla con una GPU NVIDIA, y las redirige a tu Radeon.
Como prueba de concepto, el autor entrenó de principio a fin una red de aprendizaje por refuerzo (PPO) de 2.2 millones de parámetros usando librerías CUDA sin modificar, corriendo sobre una Radeon RX 9060 XT, que por ahora es la única GPU oficialmente soportada por el proyecto.
¿Qué librerías CUDA ya funcionan en AMD (y cuáles no)?
No todo el ecosistema CUDA quedó resuelto. Lo que sí funciona hoy:
- CUDA Driver API
- cuBLAS (álgebra lineal)
- cuSPARSE (matrices dispersas)
- cuFFT (transformadas de Fourier)
Lo que todavía no funciona:
- cuDNN, la librería que usan la mayoría de los frameworks de deep learning
- TensorRT
- NCCL (comunicación entre múltiples GPUs)
Esto es clave: si la herramienta que quieres correr depende fuertemente de cuDNN (como muchos modelos de visión o LLMs empaquetados), este truco todavía no te va a salvar.
¿Qué tan rápido es comparado con CUDA nativo?
Los benchmarks publicados por el propio proyecto, corridos sobre la RX 9060 XT con una carga de trabajo de aprendizaje por refuerzo de 2.2M de parámetros, muestran:
- Ruta oficial (ZLUDA + HIP SDK 6.4): 13,278 pasos por segundo (SPS) en mediana
- Ruta alterna con binarios legacy de ZLUDA: 12,876 SPS, casi 3% más lenta
- Tiempo de inferencia: entre 0.58 y 0.63 segundos según la ruta usada
El propio autor reconoce que una reescritura posterior que eliminó ZLUDA de la ecuación logró un rendimiento notablemente superior, lo que confirma que esta capa de traducción todavía cobra un peaje en desempeño.
¿Qué significa esto para un profesional técnico o un negocio en México (y en Culiacán)?
Aquí es donde la noticia deja de ser solo curiosidad de foro y empieza a importarte si trabajas en TI, desarrollo o soporte técnico en México. Las GPU NVIDIA con soporte CUDA completo (RTX 4060, 4070, 5070) suelen tener un sobreprecio importante en tiendas mexicanas por temas de importación y demanda, mientras que las Radeon equivalentes en rendimiento gráfico suelen costar entre 15% y 25% menos. Si tu necesidad real es experimentar con modelos de IA, correr un script de investigación o hacer pruebas de concepto para un cliente, este puente ZLUDA+HIP te permite aprovechar una Radeon que ya tienes (o que planeabas comprar para gaming) en vez de justificar la compra de una NVIDIA solo por compatibilidad.
En Culiacán y Sinaloa en general, donde el envío de hardware especializado puede tardar días adicionales o implicar costos de flete más altos que en el Bajío o la Ciudad de México, tener la opción de usar el equipo que ya está en el taller o la oficina —en vez de esperar una GPU NVIDIA importada— representa ahorro real de tiempo y dinero. Para un negocio local que ofrece servicios de renderizado, análisis de datos o soporte a pequeñas empresas que empiezan a meterse en IA, esto abre la puerta a ofrecer pruebas piloto sin comprometer presupuesto en hardware exclusivo para CUDA.
Ahora, si tu negocio depende de correr modelos en producción de forma estable —por ejemplo, un servicio de atención al cliente con IA corriendo 24/7— este no es el camino todavía. ZLUDA hoy se mantiene como proyecto de fin de semana tras perder respaldo comercial por segunda vez, y esa fragilidad se traduce en riesgo real si tu operación depende de que la herramienta no falle.
¿Conviene comprar una Radeon pensando en esto?
Si ya tienes una Radeon RX 9060 XT o estás por comprar una GPU nueva y sabes que vas a tocar herramientas de IA experimentales, sí vale la pena tenerlo en el radar. En tiendas mexicanas, una RX 9060 XT ronda entre $8,999 y $10,999 MXN dependiendo de la marca y el modelo (precio aproximado, sujeto a disponibilidad y tipo de cambio). Si tu prioridad es jugar y de vez en cuando trastear con IA sin depender de que todo funcione perfecto, es una opción sólida. En ECAPRO puedes revisar la disponibilidad de componentes como GPUs y memoria RAM para armar o actualizar tu equipo de desarrollo, y si necesitas ayuda con la instalación de drivers o configuración de ROCm, nuestro servicio técnico puede ayudarte a dejar el equipo listo.
Si en cambio tu trabajo depende de cuDNN, entrenamiento de modelos grandes o estabilidad garantizada, sigue siendo más sensato invertir en una GPU NVIDIA con soporte CUDA nativo, o esperar a que el proyecto madure y resuelva más librerías.
Riesgos y limitaciones que debes tener claros
- Es un proyecto de un solo desarrollador, no una solución de nivel empresarial
- cuDNN, TensorRT y NCCL no funcionan todavía, así que la compatibilidad depende totalmente de qué librerías use tu herramienta
- ZLUDA se mantiene como proyecto hobby, sin respaldo comercial actual
- No es apta para cargas de producción ni entornos críticos
La conclusión
"CUDA-for-AMD-Windows" no rompe el dominio de NVIDIA en IA, pero sí demuestra algo importante: la barrera para correr software CUDA-exclusivo en una GPU AMD ya no es un muro de hardware, es un problema de herramientas de traducción que, poco a poco, se está resolviendo. Si eres de los que le gusta experimentar, esto es una razón más para no descartar una Radeon en tu próximo upgrade.
Vía Tom's Hardware
Te lo instalamos hoy mismo, sin que muevas el equipo
Nos conectamos por control remoto, lo dejamos funcionando y no cierras hasta que lo compruebes. Son $199 por programa.
ECAPRO · Culiacán y envíos a todo México · Diagnóstico sin costo
Preguntas frecuentes
¿Se puede correr CUDA en una GPU AMD en Windows?
Sí, gracias al proyecto CUDA-for-AMD-Windows, que combina ZLUDA con el SDK HIP/ROCm de AMD para traducir llamadas CUDA hacia una GPU Radeon, sin necesidad de virtualización ni dual boot.
¿Qué GPU AMD es compatible con este truco?
Por ahora la única GPU oficialmente soportada y probada es la Radeon RX 9060 XT, aunque el script detecta automáticamente otras arquitecturas AMD.
¿Funciona cuDNN con este método?
No, cuDNN, TensorRT y NCCL todavía no funcionan. Solo están resueltas la CUDA Driver API, cuBLAS, cuSPARSE y cuFFT, así que la compatibilidad depende de qué librerías use tu herramienta.
¿Qué tan rápido es CUDA emulado en AMD comparado con NVIDIA nativo?
En las pruebas del proyecto, la ruta oficial con ZLUDA y HIP SDK 6.4 alcanzó 13,278 pasos por segundo en una carga de aprendizaje por refuerzo, pero el propio autor reconoce que eliminar ZLUDA por completo da mejor rendimiento, así que sigue habiendo un costo de traducción.
¿Es seguro usar esto en un negocio o en producción?
No se recomienda. ZLUDA se mantiene actualmente como proyecto hobby sin respaldo comercial, por lo que es una herramienta ideal para pruebas y experimentación, pero riesgosa para cargas de trabajo críticas o de producción.
