英伟达CUDA护城河迎来新挑战：Claude仅用3天就让模型适配AMD AI加速器
内容提要
Anthropic在IPO路演中披露，借助Claude Mythos Preview，仅用3天便完成内部模型对AMD MI355X加速器的适配，GPU内核代码几乎全由AI编写，人工干预极少；而传统适配需数十名工程师耗时6至12个月。此举有望降低企业接入不同芯片平台的成本，并引发对英伟达CUDA护城河持久性的讨论。
延伸解读
适配效率的量级变化
文章对比了传统工程方法与AI参与后的适配时间：传统方法需要数十名工程师花费6到12个月，而Claude仅用3天就完成内部模型在AMD MI355X上的适配，且几乎全部GPU内核代码由AI编写。这种时间差距意味着企业评估和接入新芯片平台的周期可能大幅缩短，从而更快地尝试不同硬件方案。
CUDA护城河面临的实际考验
CUDA长期被视为英伟达的核心优势，因为它汇集了大量开发工具、计算库和针对GPU的优化软件，使得代码迁移到其他芯片需要大量工程投入。文章指出，AI参与底层代码移植后，企业接入不同芯片平台的成本和时间有机会下降，这直接触及CUDA生态的迁移壁垒。但文章也强调，这种护城河能否持续还需要观察，并未给出定论。
从单点适配到长期合作
Anthropic披露的适配案例并非孤立事件。文章提到，Anthropic实际适配的芯片包括英伟达、AMD、谷歌TPU和亚马逊Trainium等。此外，AMD与Anthropic已宣布将部署最高2GW规模的MI450系列GPU算力，首批1GW计划于2027年上半年开始，双方还将利用Claude优化AMD GPU工作负载并加快ROCm软件开发。这表明AI辅助适配可能嵌入更长期的硬件合作中。
Q&A
Claude 是如何帮助 Anthropic 将模型适配到 AMD MI355X 加速器的？
Anthropic 使用 Claude Mythos Preview 协助适配，Claude 移植或编写了几乎全部的 GPU 内核代码，人工干预非常少，仅用 3 天就完成了内部模型在 AMD MI355X 上的提示词处理并达到可用性能水平。
传统上适配新芯片平台需要多长时间？AI 参与后缩短到多少？
根据 Anthropic 过往经验，传统工程方法接入新芯片平台通常需要数十名工程师花费 6 到 12 个月，而在 AI 参与后这个过程可以缩短到仅仅 3 天。
为什么说 CUDA 是英伟达的护城河？AI 时代它面临什么挑战？
CUDA 汇集大量开发工具、计算库和针对 GPU 优化的软件，长期以来是 AI 开发的重要基础，因为将针对特定硬件优化的代码适配到其他芯片需要大量工程资源。而 AI 参与底层代码移植后，能帮助工程师更快编写和调整 GPU 内核，降低企业接入不同芯片平台的成本和时间，从而对 CUDA 生态的持久性构成挑战。
AI 辅助适配芯片平台能带来哪些实际好处？
AI 参与底层代码移植后，可以帮助工程师更快编写和调整 GPU 内核，从而降低企业接入不同芯片平台的成本和时间，使 AI 公司更容易使用多种芯片。
Anthropic 目前实际适配了哪些芯片平台？
现阶段 Anthropic 实际适配的芯片包括但不限于英伟达、AMD、谷歌 TPU 和亚马逊 Trainium 等。
AMD 与 Anthropic 在硬件部署和软件优化方面有哪些合作计划？
AMD 与 Anthropic 此前已宣布将部署最高 2GW 规模的基于 AMD MI450 系列的 GPU 算力，首批 1GW 部署计划于 2027 年上半年开始，双方还将利用 Claude 优化 AMD GPU 工作负载、加快 ROCm 软件开发。
