在高性能计算领域，CUDA长期以来被视为英伟达硬件的专属生态，以至于大多数开发者认为二者密不可分。然而，一家位于伦敦的初创公司Spectral Compute正在试图打破这一僵局。该公司研发出一款名为SCALE的编译器，旨在作为英伟达NVCC编译器的替代方案，使开发者无需重写代码，即可将现有的CUDA应用程序运行在包括AMD GPU在内的多种硬件平台上。
Spectral Compute成立于2018年，创始团队由四位在高性能计算（HPC）优化领域拥有总计约60年经验的资深工程师组成。该技术的诞生源于他们此前在人工智能企业工作时的切身体会：面对英伟达GPU高昂的成本以及当时市面上替代编译器不尽如人意的性能表现，他们决定利用LLVM和Clang自行开发一套解决方案。
与市面上现有的将CUDA代码转译为其他语言或在已编译二进制文件上进行操作的工具不同，SCALE本质上是一个独立的编译器。它通过直接针对目标硬件重编译CUDA源代码来实现跨平台支持。这种工作模式类似于CPU编译器，旨在使代码能够在不同架构上运行，并将性能差异主要归因于硬件本身，而非编译器产生的额外损耗。
Spectral团队认为CUDA在当前高性能计算领域占据了约80%的代码份额，已成为事实上不可撼动的工业标准。公司增长负责人朱利奥·马利泰斯塔（Giulio Malitesta）表示，他们采用的是CPU领域成熟的行业标准，即通过编译器工程确保代码在不同架构上的可用性。这种方法类似于C++在AMD或ARM CPU上的运行方式，不再期待出现非硬件原因导致的性能鸿沟。
此前，市场上已有一些使CUDA具备可移植性的工具，但均存在局限性。例如，AMD的HIPIFY将CUDA代码转换为ROCm平台的C++，但难以充分利用PTX等底层特性；英特尔的SYCLomatic则通常只能迁移约90%的代码，剩余部分仍需人工处理。相比之下，Spectral通过从源头重编译并对照NVCC输出进行结果验证，既保证了计算精度，又避免了性能损耗。基准测试显示，在AMD GPU上，SCALE在某些应用场景下的性能表现相比基于HIPIFY的方案有着数倍的提升。
目前，Spectral Compute的工作重心集中在AMD硬件上，但同时也致力于扩展对其他AI加速器的支持，并持续优化英伟达平台上的编译性能。考虑到CUDA生态中庞大的专用库依赖（如cuDNN、cuTENSOR和cuDF），该公司正在积极扩展相关支持，并计划推出PyTorch兼容功能，以更好地融入主流人工智能工作流。
尽管该公司的目标是打破硬件壁垒，但他们强调并非要与英伟达直接竞争，而是追求行业中立。事实上，Spectral已于2026年6月加入英伟达的Inception初创企业扶持计划。公司管理层表示，他们希望与行业各方保持良好合作，实现“真正中立”。
SCALE编译器已投入市场运营约两年时间，并拥有约30人的技术团队。目前该产品主要针对商业用户收费，同时向学术和非营利机构免费开放。该软件已在包括橡树岭国家实验室的“前沿”（Frontier）超级计算机在内的多个大型计算系统中进行了测试。对于追求效率的科研人员而言，SCALE提供了一条极具吸引力的路径：无需重写庞大的代码库或从现有的工作流中迁移，只需通过简单的重新编译，即可实现跨平台运行并获得预期的性能表现。在当前全球对GPU及AI基础设施需求激增的背景下，Spectral Compute正试图通过重构CUDA的使用方式，将行业标准与特定硬件供应商进行解耦。