对SYCL在NVIDIA显卡中运行的探索
一、介绍
在现在的工程应用中，由于各种原因吧，采用了Intel的oneAPI框架，也就是原来的DPC++。在前期的性能还是可以满足相关的实际需求的。但现在由于想上一些小模型AI辅助，可能GPU就不够给力了。但一下子又不想转到CUDA版本，还是想在目前的基础上进行完善一下。
二、问题
所以问题就出现了，如何让oneAPI的SYCL支持NVIDIA的显卡，特别是较新的显卡，就成了一个首要的问题。从一般情况来说，大家都明白，凡是这种跨巨头支持的东西，都表现不太好。但也没有办法，只能这样做。
三、思路和探索解决的过程
要想实现二者的兼容，思路其实很简单，查找当前使用oneAPI的版本以及映射到具体的显卡的CUDA版本，用某种机制实现一种类似“翻译”或桥接的这么一种过程即可。
具体的过程应该如下：
- 首先在网络和AI中搜索相关的问题，并找到最主流的解法和相关的第三方插件地址
- 在“https://codeplay.com/solutions/oneapi/plugins/”中根据上述的版本匹配
- 进入“oneAPI for NVIDIA GPUs”
- 根据具体的版本进行选择，并选择相应的插件下载方式，如APT，WGET等共四种。网页中有详细的下载说明
- 下载相关插件并安装
- 下载相关的例程（网站的文档中提供了）并编译运行
- 成功即代表可行，不成功可查找原因并解决之
- 最终交付
为什么说上面是“应该如下”呢？在第5步出了问题，不让下载。等待了好长时间，没有消息。不死心，怀疑是网络问题，过了会又下载还是不行。如此反复几次，忽然想到是不是需要代理？于是代理了下，好，倒是可以下载了，很高兴，结果，下载的文件啥都不是。如此反复直到第二天，然后直接到下载地址一看，页面都没有了，还下载个屁。
好，是不是可以直接使用APT的方法，用官方的方法，先导入库，再导入相关的密钥，再下载。结果，在第二步就报一个错，“gpg: no valid OpenPGP data found.”好吧，APT之路也断绝了。其它两种方法对于本机来说有点复杂，估计也不行。
所以这个问题到此就无解了。去官方的文档查看，找到了一个GITHUB上的开源软件库“https://github.com/orgs/codeplaysoftware/repositories?page=2”，翻了半天，找到了一个“sycl-for-cuda”，但是这个太老了，不知道能不能使，也不敢在现在的工程上用。
四、分析
有点不太死心，去AI和网上再次查找，在一些页面上发现了了一些细节。直接跳到oneAPI的官网论坛上，发现不少帖子都说无法下载，看日期应该集中在2025年居多。有人猜测可能是codeplay已经停止了对此插件的支持。但尚未找到正式的官方声明。
这里不由得想到前几天Intel宣布彻底不再研发消费级游戏显卡，是不是这也是一种苗头。不好确定，但一切都会有表现出来。但最终如何，仍需官方的声明为准。
但对于DPC++来说，其整体都是开源的，所以虽然找不到公开的插件支持，但却可以直接从源码进行处理，但其中的细节可能就比较多了。后续如果需要对其处理，会再以一篇文章的形式展开。其开源的地址在：
https://github.com/intel/llvm/tree/sycl/unified-runtime/source/adapters/cuda
五、总结
一般来说，不到万不得已，千万不能对大框架自行进行兼容。不是说不可以，是成本太高。其实在头部的互联网公司中做地很多类似的事情，而且做得还不错。但也只有头部的大公司在做，一般公司是不愿意做的，风险和成本都非常大。而且即使做出来，也未必达到需求的目的。甚至都不如直接再写一套更好。
这次短期的调研更验证了这种判断，具体到本工程，还不如直接用CUDA重写相关代码呢，借助AI的辅助，反而可能更容易实现相关的目的。虽然耗时肯定不短，但相比目前的风险，还是值得考虑的。