Claude三天移植GPU内核，英伟达CUDA壁垒被撬动？

半个世纪的计算产业史一再说明，最难翻越的工业门槛常常不在硅片本身的物理极限，而在数以万计工程师多年攒下的技术经验、海量存量代码，以及由此堆起来的高昂迁移成本。英伟达花了近二十年搭起的CUDA帝国，就是最直观的样本。

可这道看上去牢不可破的防线，恰恰被它自己的产物——大模型——撬出了裂缝。

11 月 11 日消息，Anthropic 在最新 IPO 路演中披露了一项工程突破：其前沿模型 Claude Mythos Preview 只用了约三天，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，让 Claude 模型在 AMD 旗舰 GPU 上跑通了关键推理环节。

按 Anthropic 以往的工程经验，把大模型适配到一款全新的异构芯片平台，通常要数十名顶级编译器与高性能计算工程师攻坚 6 到 12 个月。

硅谷投资人 Marcelo P. Lima 在 X 上直言：“英伟达的 CUDA 护城河已经不复存在。”

这番话很快在行业里引出分歧。谨慎的工程师认为，跑通部分推理算子，和支撑万卡集群在大规模生产中稳定运行，中间还隔着巨大的工程鸿沟。但敏锐的观察者看到的是更深一层的变化：大模型开始具备向下重写系统软件的能力，过去靠“人类工程劳动力”堆出来的兼容性门槛，正被智能自身的自动化推演迅速压平。

三天，Claude 搞定了GPU 内核迁移

IPO 路演中，联合创始人兼首席算力官 Tom Brown 用了一整块篇幅讲公司的算力战略。

他开篇就切入一个过去被全行业视作高壁垒的难题：“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”。

过去的做法是，每引入一种新芯片架构，企业都得自下而上重写整套系统工程：适配底层计算内核、重构推理软件栈、排查微架构兼容性，还要做极为繁琐的性能优化。就算竞品的物理算力和显存配置足够出色，原本针对英伟达 GPU 写的代码也未必能直接搬过去。

对一家必须持续训练和部署顶尖大模型的实验室来说，这种迁移既拖时间，又要消耗大量稀缺的高性能计算专家。

今年，Anthropic 换了打法。

Tom Brown 在路演中透露，公司首次接入 AMD GPU 时，直接把这项工程任务交给了 Claude Mythos Preview。结果出乎团队意料：

“整个底层内核几乎 100% 都由 Claude 独立移植或编写，全程基本不用人插手，三天时间就把 Claude 在 AMD 上跑起来了。”

GPU Kernel（底层计算内核）是直接跑在图形处理器硬件单元上的底层微程序（算子）。大模型实际运行时，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，都要靠这些内核程序高效执行。

问题是，针对英伟达 CUDA 环境深度优化过的内核代码，不可能在 AMD GPU 上直接满血运行。两家芯片的微架构设计存在本质差异：

•线程调度单位不同：英伟达按 32 线程的 Warp 调度，AMD CDNA 架构用的是 64 线程的 Wavefront，分支预测和掩码计算逻辑都得全面调整；

•内存层次和寄存器限制：各家的片上共享内存（Shared Memory / LDS）怎么组织、寄存器堆有多大、访存冲突怎么触发，都不一样。算子代码只要有一点偏差，流水线就会严重停顿，甚至显存溢出。

换句话说，Mythos 接手的不是应用层代码的格式转换，而是直接决定物理计算效率的核心工程。

这项实验还有个颇有画面感的细节。

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会极其复杂。

后来，一名工程师将机器控制接口直接连到 Claude，把硬件适配的任务交给它，让系统在周末无人值守的状态下一直跑。等到周一回办公室调出监控，工程师意外看到，模型在新硬件上的性能曲线已经在 AI 自主调优下持续走高。

如今，这项工程探索被正式写进了 IPO 路演的核心材料。

当然，从严谨的技术维度看，三天完成的并不是整个系统端到端的全部重写。路演图表附注显示，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 上达到可用性能。

大模型推理里，Prefill 阶段干的是把整段上下文提示词并行吞进去、同时建好 KV 缓存，计算密度很高；到了后半段逐字往外吐的 Decode 阶段，更吃多卡互联带宽和极低的网络通信延迟。具体的吞吐量基准和性能损耗对照，Anthropic 在路演中没有公布。

当“生态壁垒”被 Agent 抹平

这项实验到底狠在哪，得先看清楚英伟达 CUDA 这道墙是靠什么撑起来的。

CUDA 是 2006 年问世的。二十年下来，英伟达在它周围堆起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，还有数百万开发者的使用习惯。PyTorch、TensorFlow 这些主流深度学习框架，多年来一直默认把 CUDA 放在第一优先级。

图注：早年 CUDA 技术栈示意图

产业惯性就这么变得极其牢固：开发者选英伟达，芯片算力强只是一方面，更关键的是整个行业的存量代码早就围着英伟达硬件适配完了。对手就算造出纸面性能有竞争力的芯片，用户想迁过去，照样得扛巨大的工程摩擦力和重构风险。

软件上的劣势，AMD 不是没看到。它长期维护开源平台 ROCm，拿出 HIP、HIPIFY 这类代码转换工具，业内也有 Triton 这种跨硬件 DSL 想撬开缺口。可真到工程里，自动化工具一般只能做到“语法能编译”，碰上深度优化的复杂算子，生成的代码效率常常大打折扣，最后还是得专家团队花几个月手动排查汇编。

Mythos 一介入，这套研发的成本结构就被彻底掀翻了。

AI Agent 有了高阶的代码理解和推理能力之后，就不再是死板的转译脚本，而是一个能跟编译器深度交互的自主系统。它可以自己去读 AMD 的硬件白皮书，重写底层算子代码，然后调编译器在真实硬件上跑测试；再照着性能分析器反馈的寄存器占用、访存瓶颈等数据，一遍遍调参数、自我修正。

也就是说，过去严重依赖稀缺工程师工时的手工重构，正在变成 AI 驱动的高并发、低成本自动化流水线。

更有深意的一步是，Anthropic 已经把这项技术突破做成了分量很重的产业联盟。

7 月 22 日，AMD 与 Anthropic 宣布达成深度战略合作：

•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。

整个故事的商业纵深就此完全展开。

以前 AMD 只能拿有限的人力，去苦追英伟达攒了二十年的软件帝国；现在它直接拉上顶尖大模型实验室，把最前沿的 AI 当成自己的“全职编译器架构师”。

对 Anthropic 来说，这能快速接上高性价比的新算力；对 AMD 来说，这是借外部前沿模型强行补软件短板的捷径。双方其实在一起验证一件事：用 AI 的生产力，去冲破软件垄断给硬件工业划下的限制。

把所有芯片变成一个算力池

路演中，Tom Brown 把这次技术突破放进了一个更大的商业顶层设计里：彻底摆脱单点绑定，把异构硬件变成统一的弹性算力底座。

2021 年成立之初，Anthropic 就走了一条当时看着极不合群的技术路线：同时适配多种芯片架构。

大多数初创公司为了压低启动成本，干脆全押英伟达公有云实例，Anthropic 却砸了不少精力自建调度抽象层。如今它宣布，自家模型已经能在全球四大主流加速芯片家族上混合训练和推理服务：英伟达 GPU、AMD GPU、Google TPU、亚马逊 Trainium。

具体执行时，Anthropic 不要求所有芯片干同样的活，而是按硬件特性分流：互联带宽高的芯片，专门承接大规模预训练；显存大、每代币成本低的芯片，专门分给特定推理场景。

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

从商业角度看，这套体系的防御价值相当高。算力供应链波动大，定价权又握在单一巨头手里，如果系统跟某一家芯片绑死，交货排期和高溢价就只能照单全收。反过来，一旦能跨架构迁移，Anthropic 就可以在全球供应链里自由换供应商，按性价比和配额挑最划算的采购方案。

路演里还披露了另一个降成本的做法，叫 Anthropic Direct：绕开云服务商那套高溢价打包方案，直接租物理裸芯片，装进专门定制的数据中心。综合拥有成本（TCO）因此降了不少。更关键的是，数据中心基础设施那类长周期投资，跟芯片硬件本身的短周期迭代，被拆成了两件事。

这些工程动作最后都落到 Tom Brown 提的一个概念上——“算力乘数”（Compute Multipliers）。

算力军备竞赛里，一味堆物理卡数，迟早会撞上资本开支、晶圆产能和电网负荷这几道物理天花板。算力乘数不一样，它来自模型算法改良，也来自系统底层效率被榨到极致。

假设算法和编译优化能带来 4 倍的算力乘数，商业上就是两种质变。

其一，物理硬件投入只用 25%，就能交出跟竞争对手同等智能等级的模型，毛利安全垫很厚。

其二，算力预算不变的情况下，能释放出相当于 400 单位算力的极限模型能力，在前沿上继续领跑。

路演数据也印证了这套策略的效果：2025 年第一季度以来，按“业务收入除以算力及基础设施开支”算，Anthropic 的综合经营效率提升超过 4 倍。

更有想象空间的是 Tom Brown 描绘的终极路径：递归式自我改进。

当具备底层系统编程能力的 Claude 能持续自主侦测硬件特性、不断挖出新的算力乘数，大模型就开始反哺底层物理基础设施，形成正向循环。3 天跑通 AMD 内核只是这个循环里的一个切片。终极形态是，AI 正在成为自己算力工厂的优化设计师。

CUDA护城河何去何从

投资人 Marcelo P. Lima 说“CUDA 护城河已经消失”，这话带着二级市场常见的夸张。

半导体系统分析师 Ben Pouladian 等一线技术专家的反驳则冷静得多，也有道理：CUDA 不是几段能单独转译的算子代码，它是二十年打磨出来的一整套系统工程，涵盖软硬件协同、分布式网络通信容错和工业级稳定性。

不过，要是只因为 CUDA 体系庞大，就认定 AI 撼不动现有格局，那也低估了这次实验的影响。

这场实验真正揭示的核心变量，不是 AI 能不能在几天内凭空克隆出另一个 CUDA。它说的是另一件事：开发者要跨出 CUDA 生态，所需付出的工程转换成本，正出现数量级下滑的确定趋势。

过去，英伟达最让对手绝望的正是这种转换成本（Switching Cost）。哪怕外部竞争者开出很有吸引力的硬件单价或显存配置，企业决定换架构时，还是得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，统统折算进去。这道无形的工程摩擦力，就是英伟达最宽厚的防护网。

可如果这些繁重的底层适配和调试，能由 AI 成倍甚至指数级地自动接管，企业换芯片的经济账就要彻底重算。

这个变化不只对 AMD 有意义。对正在自研定制芯片的云巨头，对软件生态建设推进艰难的国产 AI 芯片厂商，都有战略上的借鉴价值。