Anthropic 披露 Claude 仅用 3 天完成模型适配 AMD GPU

Anthropic 在 IPO 路演材料中披露，其 Claude Mythos Preview 模型仅用约 3 天时间，就摸索出如何让另一个模型在 AMD MI355X GPU 上运行。传统情况下，为一个新的计算平台完成推理任务所需的适配工作通常需要 6 至 12 个月。

这一进展被外界视为对英伟达 CUDA 生态优势的挑战，但报道同时指出，CUDA 背后仍有庞大的开发者生态、函数库与多年优化积累，现在断言其优势终结为时尚早。

三天完成适配

这项信息来自 Anthropic IPO 路演材料中的一张幻灯片。这里的关键并非某个模型本身跑在 AMD 硬件上，而是由一个模型去完成另一个模型的平台适配工作，即由 AI 承担原本依赖工程师的移植与调试环节。

Anthropic 据此认为，高性能 AI 模型正逐渐具备自主适配不同计算平台的能力，GPU 也因此越来越像可以相互替换的通用算力资源。对使用方而言，这意味着在不同厂商的 GPU 之间切换，技术门槛已经大幅降低，硬件选择不再完全被单一软件栈锁定。

需要说明的是，来源只披露了适配耗时这一项信息，并未给出适配的具体方法、性能表现或可复现的测试条件，因此这一进展的实际适用范围仍有待更多细节印证。

与传统周期的对比

按这一口径计算，3 天与 6 至 12 个月之间存在两个数量级的差距。

这一对比的意义在于时间成本的变化。过去，把模型迁移到新平台是一项以月计的系统工程，涉及算子实现、精度对齐、性能调优等大量人工环节；如果模型能够自行完成其中相当一部分工作，平台迁移的周期和人力投入都会被重新估算。

不过，来源并未说明 3 天完成的适配在多大程度上达到了生产可用水平，也未提供与人工适配在性能上的对照数据，因此这一时间差更多反映的是流程效率的变化，而非对最终效果的完整评价。

CUDA 护城河之争

CUDA 长期被视为英伟达 GPU 的核心竞争力之一，若模型适配不同平台的门槛显著下降，围绕 CUDA 形成的锁定效应理论上会被削弱，市场上也出现了认为 CUDA 护城河已失去原有意义的观点。

但来源同时提示，现在宣告 CUDA 生态优势终结为时尚早。CUDA 不只是一套软件工具，其背后还有规模庞大的开发者生态、丰富的函数库和开发工具，以及经过多年持续优化的技术积累。目前仍有大量开发者围绕 CUDA 构建和维护各类应用。

换言之，适配周期的缩短改变的是迁移的技术难度，而生态惯性、工具成熟度和开发者习惯等因素并不会在短时间内同步改变。两者之间的张力，构成了当前围绕 CUDA 护城河的讨论背景。

英伟达的应对

过去几年，英伟达一直在采取措施巩固 CUDA 的竞争优势。来源提到的一项做法是向大学和科研人员免费提供 GPU 及培训资源，以此吸引更多开发者进入 CUDA 生态，从人才和项目源头扩大生态基础。

在技术层面，英伟达将用于连接多块 GPU 的通信工具库 NVIDIA Collective Communications Library（NCCL），与 NVLink、InfiniBand 等专有硬件技术深度结合，提高多 GPU 协同计算的效率。这种软硬件捆绑在提升集群性能的同时，也增加了用户迁移至其他平台的成本。

从这一角度看，围绕 CUDA 的竞争并不只发生在单卡适配环节，还涉及多卡互联、通信库与开发者社区等多个层面。Anthropic 披露的适配进展能否改变整体格局，取决于这些层面上的替代方案能否同步成熟。

要点

• Claude Mythos Preview 约 3 天完成 AMD MI355X 适配
• 传统平台适配通常需 6 至 12 个月
• Anthropic 该信息来自其 IPO 路演材料
• 英伟达以免费 GPU 和培训巩固 CUDA 生态
• NCCL 与 NVLink 等专有技术提高迁移成本