Claude 仅用 3 天撬开英伟达 20 年的 CUDA 护城河?藏在 Anthropic 路演里的芯片变局 |...

1. Claude 仅用 3 天撬开英伟达 20 年的 CUDA 护城河?藏在 Anthropic 路演里的芯片变局

[!abstract] 速览

  • Anthropic 的 Claude Mythos Preview 在三天内自主完成了 GPU 底层计算内核的移植和重写,成功在 AMD 硬件上运行。
  • 按照 Anthropic 的工程历史经验,将大模型适配到一款全新的异构芯片平台,过去通常意味着数十名顶级编译器与高性能计算工程师,长达 6 到 12 个月的攻坚周期。
  • 今年 7 月 22 日,AMD 与 Anthropic 宣布达成深度战略合作:计划部署最高达 2GW 的 AMD Instinct MI450 系列 GPU 集群,AMD 承诺向 Anthropic 进行最高达 50 亿美元 的战略股权投资。
  • Anthropic 宣布其模型已经能够在全球四大主流加速芯片家族上实现混合训练与推理服务:英伟达 GPU、AMD GPU、Google TPU、亚马逊 Trainium。
  • 这场实验真正揭示的核心变量,是开发者“跨出 CUDA 生态所必须付出的工程转换成本”,正在出现数量级下滑的确定性趋势。

1.1. 摘要

文章详细报道了 Anthropic 在其 IPO 路演中披露的重大技术突破:其前沿模型 Claude Mythos Preview 仅耗时约三天,就在基本没有人工干预的情况下,自主完成了核心 GPU 底层计算内核(Kernels)的代码移植与重写,成功让 Claude 模型在 AMD 旗舰 GPU 上跑通了关键推理环节。这一成果不仅展示了 AI 在系统编程领域的潜力,还揭示了 Anthropic 的跨架构算力战略,以及 AI 自动化如何正在压平传统的硬件兼容性门槛。

1.2. 主要内容

要点 说明
AI 自主完成 GPU 内核迁移 Anthropic 的 Claude Mythos Preview 模型在三天内自主完成了底层计算内核的移植和重写,成功在 AMD GPU 上运行,而这一过程在过去通常需要数月和大量专家参与。
打破生态壁垒 这一突破表明 AI 正在成为自身算力工厂的优化设计师,能够快速适应不同的硬件架构,从而削弱单一芯片制造商(如 NVIDIA)的生态垄断地位。
跨架构算力战略 Anthropic 正在构建一个跨供应商、跨微架构的统一算力池,使其能够根据市场条件和性价比灵活选择硬件,而不是被单一供应商绑定。
Anthropic IPO 路演现场:讲者站在讲台旁,身后大屏为纳斯达克 IPO 幻灯片,显示估值 600 亿美元以上、ARR 300 亿美元以上、10 家财富十强客户中的 8 家,以及 Claude Code ARR 25 亿美元

从12个月压缩到3天,Mythos跨芯片自研内核实录

同一张 Anthropic IPO 路演幻灯片的远景:讲者与台下观众,屏幕为 ARR 增长曲线与产品生态图

作者 | 四月

计算产业半个世纪的历史反复证明:最难被逾越的工业壁垒,往往不是硅片本身的物理极限,而是数以万计的工程师长期积累的技术经验、海量存量代码,以及由此形成的高昂迁移成本。英伟达耗时近二十年搭建的 CUDA 帝国就是最生动的例子。

然而,这道看似坚不可摧的防线,正因它的产物——大模型而开始动摇。

11 月 11 日消息,Anthropic 在其最新的 IPO 路演中,披露了一个极具标志性的工程突破:其前沿模型 Claude Mythos Preview 仅耗时约三天,就在基本没有人工干预的情况下,自主完成了核心 GPU 底层计算内核(Kernels)的代码移植与重写,成功让 Claude 模型在 AMD 旗舰 GPU 上跑通了关键推理环节。

按照 Anthropic 的工程历史经验,将大模型适配到一款全新的异构芯片平台,过去通常意味着数十名顶级编译器与高性能计算工程师,长达 6 到 12 个月的攻坚周期。

[!quote] 硅谷投资人 Marcelo P. Lima 在 X 上直言不讳
“英伟达的 CUDA 护城河已经不复存在”。

投资人 Marcelo P. Lima 在 X 的帖子截图,配图为“3 天(借助 Mythos)”与“约 6–12 个月(传统方法)”的新芯片上线耗时对比图

这一论调迅速引爆了整个行业的分歧。持审慎态度的工程师指出,跑通部分推理算子,与支撑万卡集群在大规模生产中稳定运行,中间依然隔着巨大的工程鸿沟。但敏锐的观察者看到的,却是一个更为深刻的变革趋势:当大模型开始具备向下重写系统软件的能力,过去以“人类工程劳动力”为代价构筑的兼容性门槛,正在被智能本身的自动化推演迅速压平。

1.3. 三天,Claude 搞定了 GPU 内核迁移

在 Anthropic 的 IPO 路演中,联合创始人兼首席算力官 Tom Brown 专门用了一整块篇幅介绍公司的算力战略。

“如何让同一个前沿 AI 模型顺畅运行在不同厂商的物理芯片上”, 他开篇就切入了一件在过去被整个行业视作高壁垒的难题。

路演幻灯片“Fungible compute pool”:以网格示意在 AWS Trainium、Google TPU、NVIDIA GPU、AMD GPU 之间按前沿研究、模型开发、客户需求、内部使用分流算力

传统模式下,每引入一种新的芯片架构,企业都需要自下向上重写一整套系统工程:适配底层计算内核、重构推理软件栈、排查微架构兼容性,并进行极为繁琐的性能优化。即使竞品的物理算力与显存配置足够出色,也不意味着原本针对英伟达 GPU 编写的代码能够直接迁移。

对于一家必须持续训练和部署顶尖大模型的实验室而言,这种迁移既极度耗费时间,也需要耗费大量稀缺的高性能计算专家。

但今年,Anthropic 决定换一种打法。

Tom Brown 在路演中透露,公司在首次接入 AMD GPU 时,让 Claude Mythos Preview 直接参与了这项工程任务。执行的结果出乎团队的意料:

路演图表:新芯片上线所需时间,借助 Mythos 约 3 天即达约 100%,传统方法需约 6–12 个月

[!quote] Tom Brown 在路演中的原话
“在基本无需人工干预的情况下,仅仅用了三天时间,我们就在 AMD 上成功运行了 Claude。整个过程中,几乎 100% 的底层内核都是由 Claude 独立移植或编写的。”

这里的 GPU Kernel(底层计算内核),是直接运行在图形处理器硬件单元上的底层微程序(算子)。在大模型的实际运行中,诸如大规模矩阵乘法、注意力机制(Attention)计算以及各类激活与归一化操作,全部依赖这些内核程序的高效执行。

问题在于,针对英伟达 CUDA 环境深度优化的内核代码,绝不可能在 AMD GPU 上直接达到满血状态。两家芯片的微架构设计存在本质差异:

  • 线程调度单位不同:英伟达以 32 线程的 Warp 进行调度,AMD CDNA 架构则采用 64 线程的 Wavefront,这会导致分支预测和掩码计算逻辑需要全面调整;
  • 内存层次与寄存器约束:片上共享内存(Shared Memory / LDS)的组织结构、寄存器堆容量以及访存冲突机制各不相同。算子代码稍有偏差,就会引发严重的流水线停顿或显存溢出。

换句话说,Anthropic 让 Mythos 接手的,不是简单的应用层代码格式转换,而是直接决定物理计算效率的核心工程。

这项实验还有一个颇具画面感的细节。

早在今年 7 月,Tom Brown 就曾在 AMD 的 Advancing AI 大会上向苏姿丰介绍过这项早期尝试。当时 AMD 为 Anthropic 提供了一台最新的 MI355X 服务器,Anthropic 工程师原本预计调试过程会极其复杂。

AMD 活动现场:苏姿丰与一名男子在“AMD × ANTHROPIC”背景板前同台

结果,一名工程师直接将机器控制接口接入 Claude,给它布置了硬件适配任务。随后,工程师让系统在周末无人值守的情况下持续运行。周一回到办公室查看监控时,工程师惊讶地发现,模型在新硬件上的性能曲线已经在 AI 的自主调优下稳步攀升。

如今,这项工程探索被正式写入了 IPO 路演的核心材料。

当然,从严谨的技术维度来看,三天完成的并非整个系统端到端的全部重写。根据路演图表附注,Mythos Preview 实际达成的指标是:让某款 Claude 模型的提示词处理阶段(Prefill),在配备 288GB HBM3E 显存的 AMD Instinct MI355X 上达到了可用性能。

在大模型推理中,Prefill 阶段负责并行吞吐输入的全部上下文提示词并建立 KV 缓存,属于高度计算密集型任务;而后半段逐字生成的 Decode 阶段,则更加依赖多卡互联带宽与极低的网络通信延迟。Anthropic 并没有在路演中公布具体的吞吐量基准测试与性能损耗对照。

[!info] 这项突破的边界
三天完成的并非整个系统端到端的全部重写。根据路演图表附注,Mythos Preview 实际达成的指标是:让某款 Claude 模型的提示词处理阶段(Prefill),在配备 288GB HBM3E 显存的 AMD Instinct MI355X 上达到了可用性能。 Anthropic 并没有在路演中公布具体的吞吐量基准测试与性能损耗对照。

1.4. 当“生态壁垒”被 Agent 抹平

要理解这项实验的深层杀伤力,首先必须看清英伟达 CUDA 护城河的底层支撑。

CUDA 诞生于 2006 年。在过去的二十年里,英伟达围绕它建立了庞大的底层计算库、自动化编译链、性能分析器、多卡通信组件以及数百万开发者的使用习惯。PyTorch、TensorFlow 等所有主流深度学习框架,多年来始终默认将 CUDA 作为第一优先级。

早年 CUDA 技术栈示意图:自下而上为操作系统平台、CUDA 驱动与工具链、CUDA-X 库、应用与框架、使用场景等层级

图注:早年 CUDA 技术栈示意图

由此形成了一种极其稳固的产业惯性:开发者选择英伟达,往往不仅是因为芯片本身算力强劲,更是因为整个产业的存量代码都已经围绕英伟达硬件完成了适配。即使对手造出了纸面性能具有竞争力的芯片,用户想要迁移过去,依然要面对巨大的工程摩擦力与重构风险。

AMD 并非没有意识到软件的劣势。它长期维护开源的 ROCm 平台,提供了 HIP、HIPIFY 等代码转换工具,行业内也有 Triton 这类跨硬件 DSL 试图打破壁垒。但现实工程中,自动化工具通常只能解决“语法能编译”,一旦遇到深度优化的复杂算子,生成的代码效率往往严重缩水,最终依然需要专家团队花费数月手动排查汇编。

而 Mythos 的介入,彻底颠覆了这套研发的成本结构。

当 AI Agent 具备了高阶代码理解与推理能力,它便不再是一个死板的转译脚本,而是一个能与编译器深度交互的自主系统。它能够自主阅读 AMD 的硬件白皮书,重构底层算子代码,随后调用编译器在真实硬件上运行测试;再根据性能分析器返回的寄存器占用、访存瓶颈等数据,反复调整参数并自我修正。

这意味着,过去严重依赖稀缺工程师工时的手工重构,正在被转换为由 AI 驱动的高并发、低成本自动化流水线。

更有深意的是,Anthropic 已经把这项技术突破转化为了极具分量的产业联盟。

示意图:左侧印有脑图标的 AMD 芯片通过线缆接入标注 CLAUDE 与 2GW 的机柜,芯片下方标注 5B 美元

今年 7 月 22 日,AMD 与 Anthropic 宣布达成深度战略合作:

合作维度 具体内容
超大规模算力部署 Anthropic 计划部署最高达 2GW 的 AMD Instinct MI450 系列 GPU 集群,其中首期 1GW 预定于 2027 年上半年 上线。
资本与股权绑定 AMD 承诺向 Anthropic 进行最高达 50 亿美元 的战略股权投资。
软硬件协同开发 双方明确将利用 Claude 优化 AMD GPU 的真实运行负载,并直接利用大模型加速 AMD ROCm 软件栈的开发。

这让整个故事的商业纵深完全展开。

过去,AMD 需要靠有限的人力去艰难追赶英伟达积累二十年的软件帝国;现在,它直接联手顶尖大模型实验室,用最前沿的 AI 作为自己的“全职编译器架构师”。

对于 Anthropic 而言,这能帮助其快速接入高性价比的新算力;对于 AMD 而言,这是借助外部前沿模型强行补齐软件短板的捷径。双方实际上正在联手验证:用 AI 的生产力,去打破软件垄断对硬件工业的限制。

1.5. 把所有芯片变成一个算力池

在路演中,Tom Brown 将这次技术突破置于一个更庞大的商业顶层设计之下:彻底摆脱单点绑定,将异构硬件转化为统一的弹性算力底座。

自 2021 年成立之初,Anthropic 就推行了一项在当时看来极不合群的技术路线:同时适配多种芯片架构。

在大部分初创公司选择完全依靠英伟达公有云实例以降低启动成本时,Anthropic 投入了大量精力自建调度抽象层。如今,Anthropic 宣布其模型已经能够在全球四大主流加速芯片家族上实现混合训练与推理服务:英伟达 GPU、AMD GPU、Google TPU、亚马逊 Trainium。

路演幻灯片:AWS Trainium、Google TPU、NVIDIA GPU、AMD GPU 四列方格柱状示意

在具体执行中,Anthropic 并不强求所有芯片执行相同的工作,而是根据硬件特性分流:有的芯片互联带宽高,专门承接大规模预训练;有的芯片显存大、每代币成本低,专门分配给特定推理场景。

Tom Brown 将其定义为一个跨供应商、跨微架构、跨地理区域的统一算力池。

这套体系在商业上的防御价值极高。在算力供应链波动剧烈、单一巨头掌控绝对定价权的卖方市场中,如果系统深度绑定某一家芯片,就必须无条件接受其交货排期与高昂溢价。而一旦具备了跨架构迁移能力,Anthropic 就能在全球供应链中自由切换,根据实际性价比和供应配额做最优采购。

路演图表“累计算力承诺”:横轴为距交付使用的时间(年),云租用需提前约 18 个月签署五年期合同,Anthropic 自建需提前约 12 个月的数据中心租约

为了进一步压降成本,Anthropic 在路演中还披露了 Anthropic Direct 模式:公司开始跳过云服务商的整套高溢价打包方案,直接租赁物理裸芯片,并部署在专为其定制构建的数据中心中。这不仅大幅降低了综合拥有成本(TCO),更成功把对数据中心基础设施的长周期投资,与对芯片硬件本身的短周期迭代完全拆解开来。

所有这些工程动作,最终汇聚到了 Tom Brown 提出的核心概念:“算力乘数”(Compute Multipliers)。

路演示意图:算力单位(C)经算力乘数(M)放大为有效算力单位(CxM),左为 8×8 方格、右为 16×16 方格

在算力军备竞赛中,粗放地增加物理卡数必然会撞上资本开支、晶圆产能与电网负荷的物理天花板;而算力乘数,则来自于模型算法改良与系统底层效率的深度榨干。

如果算法与编译优化带来一个 4 倍的算力乘数,在商业上便意味着两种质变:

投入方式 换来的结果
可以仅用 25% 的物理硬件投入 交付出与竞争对手同等智能等级的模型,换取极高的毛利安全垫。
在维持同等算力预算下 能够释放出相当于 400 单位 算力的极限模型能力,在模型前沿上保持领跑。

路演披露的数据印证了这一策略的成效:自 2025 年第一季度以来,Anthropic 以“业务收入除以算力及基础设施开支”衡量的综合经营效率,已经提升了超过 4 倍。

更具想象空间的是 Tom Brown 勾勒的终极演进路径:递归式自我改进。

当具备底层系统编程能力的 Claude 能够持续、自主地去侦测硬件特性并挖掘新的算力乘数时,大模型便开启了反哺底层物理基础设施的正向循环。3 天跑通 AMD 内核只是这场循环的一个切片,其终极形态,是 AI 正在成为自身算力工厂的优化设计师。

1.6. CUDA 护城河何去何从

投资人 Marcelo P. Lima 宣称“CUDA 护城河已经消失”,显然带有二级市场的夸张修辞。

半导体系统分析师 Ben Pouladian 等一线技术专家给出的冷静反驳同样在理:CUDA 绝不仅仅是几段可以独立转译的算子代码,而是一套历经二十年打磨、涵盖软硬件协同、分布式网络通信容错与工业级稳定性的庞大系统工程。

然而,如果仅仅因为 CUDA 体系极其庞大,就断定 AI 无法撼动既有格局,同样会低估这次实验的深远影响。

[!warning] 冷静的反驳
持审慎态度的工程师指出,跑通部分推理算子,与支撑万卡集群在大规模生产中稳定运行,中间依然隔着巨大的工程鸿沟。

半导体系统分析师 Ben Pouladian 等一线技术专家给出的冷静反驳同样在理:CUDA 绝不仅仅是几段可以独立转译的算子代码,而是一套历经二十年打磨、涵盖软硬件协同、分布式网络通信容错与工业级稳定性的庞大系统工程。

[!important] 真正的核心变量
这场实验真正揭示的核心变量,从来不是 AI 能否在几天之内凭空克隆出另一个 CUDA,而是开发者“跨出 CUDA 生态所必须付出的工程转换成本”,正在出现数量级下滑的确定性趋势。

在过去,英伟达最让竞争对手绝望的正是这种转换成本(Switching Cost)。即使外部竞争者给出了极具吸引力的硬件单价或显存配置,任何企业在决定切换架构时,都必须把几十名资深专家一整年的研发工时、业务迁移中断的巨大风险,通通折算进成本中。这道无形的工程摩擦力,构成了英伟达最宽厚的防护网。

但如果这些繁重的底层适配与调试工作,能够成倍甚至以指数级速度由 AI 自动化接管,企业替换芯片的经济账就会彻底重构。

这一变化带来的启示不仅属于 AMD,对正在自研定制芯片的云巨头、以及正在艰难推进软件生态建设的国产 AI 芯片厂商,都具有深刻的战略借鉴意义。