Je ne pense pas. Enfin, il faut voir aussi comme une opération marketing.

Là où NVidia fait fort depuis plus de 15ans (avec l'arrivée des cuda core et de la bibliothèque cuda), c'est qu'ils travaillent énormément en collaboration avec des équipes de recherches en leur apportant leur aide et eux ont des retours et peuvent améliorer et évoluer leurs outils en fonctions des besoins. Du coup, la majorité des outils de qui peuvent utiliser l'accélération par GPU le font d'abord via CUDA, les autres matos passant souvent au second plan. De ce fait, si tu veux faire du calcul sur GPU (ce qui inclut les réseaux de neurones) tu achètes du matos avec une puce NVidia.

Par exemple, la bibliothèque python "numba" (qui permet d'obtenir des performances élevées en python) est nativement compatible avec CUDA. Pour ROCm, d'après le git, c'est un adaptateur du code depuis CUDA vers ROCm, et le code n'a pas changé depuis 6 ans (et la dernière doc ne fait même plus référence à ROCm).