Claude三天改写AMD内核：英伟达CUDA壁垒松动

过去半个世纪的计算产业史反复讲着一件事：工业上最难翻越的墙，往往不在硅片本身的物理极限，而在几万名工程师多年攒下的经验、海量存量代码，以及随之而来的昂贵迁移代价。英伟达近二十年建起的CUDA帝国，就是最直观的一例。

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——撬动了。

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 花了约三天，在基本没有人工介入的情况下，自己完成了核心 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 过往的工程经验，把大模型适配到一款全新的异构芯片平台，通常要数十名顶尖编译器与高性能计算工程师攻上 6 到 12 个月。

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

这番话很快把行业撕成了两派。谨慎的工程师认为，跑通部分推理算子，跟支撑万卡集群在大规模生产中稳定运行，中间还横着巨大的工程鸿沟。但眼光更敏锐的人看到的是一种更深的走向：大模型一旦具备向下重写系统软件的能力，过去靠“人类工程劳动力”堆出来的兼容门槛，就会被智能自身的自动化推演迅速抹平。

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 用一整块篇幅讲了公司的算力战略。

他一开口就切入那个长期被行业当成高壁垒的难题：“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，每引进一种新芯片架构，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，还要做极其繁琐的性能优化。竞品就算物理算力和显存配置够强，也不代表原本写给英伟达 GPU 的代码能直接搬过去用。

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，公司第一次接入 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：

“几乎没怎么靠人工介入，Claude 就把 Claude 跑在了 AMD 上，前后只花了三天。底层内核这一块，接近 100% 都是它自己移植、自己写的。”——这是对方在描述这段过程时的原话。

所谓 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，全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，搬到 AMD GPU 上绝不可能直接满血。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；

•内存层次与寄存器约束：共享内存（Shared Memory / LDS）在片上怎么组织、寄存器堆有多大、访存冲突如何发生，各家设计都不一样。算子代码只要有一点偏差，就可能造成明显的流水线停顿，甚至把显存撑爆。

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。

这项实验还有个挺有画面感的细节。

今年 7 月，Tom Brown 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 给 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。

结果，一名工程师把机器控制接口直接接进 Claude，给它布置了硬件适配任务，随后让系统在周末无人值守地持续运行。周一回办公室查看监控时，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进了 IPO 路演的核心材料。

当然，严格从技术上看，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 上达到了可用性能。

在大模型推理中，Prefill 阶段要把输入的整段上下文提示词并行吞吐进来、建立 KV 缓存，是计算高度密集的一环；到了逐字生成的 Decode 阶段，更吃多卡互联带宽，网络通信延迟也得压到极低。Anthropic 在路演中没有公布具体的吞吐量基准测试，也没有给出性能损耗的对照数据。

当“生态壁垒”被 Agent 抹平

要看懂这项实验到底狠在哪里，得先把英伟达 CUDA 护城河的底座看清楚。CUDA 诞生于 2006 年，二十年下来，英伟达围着它攒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 排在第一位。

图注：早年 CUDA 技术栈示意图

产业惯性就这样变得极其稳固：开发者选英伟达，很多时候不只是因为芯片算力强，更因为产业里的存量代码早就围绕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，照样要面对巨大的工程摩擦力和重构风险。

AMD 当然清楚自己在软件上的短板。它长期维护开源平台 ROCm，提供 HIP、HIPIFY 等代码转换工具，行业里也有 Triton 这类跨硬件 DSL 想撬开壁垒。可落到真实工程里，自动化工具一般只能做到“语法能编译”，一碰上深度优化的复杂算子，生成的代码效率往往大打折扣，最后还是得靠专家团队花几个月手工排查汇编。

Mythos 一介入，这套研发的成本结构就被彻底翻了过来。AI Agent 有了高阶的代码理解与推理能力，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；再照着性能分析器返回的寄存器占用、访存瓶颈等数据，反复调参数、自我修正。

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。

更有意味的是，Anthropic 已经把这步技术突破做成了分量十足的产业联盟。今年 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铺开。以前 AMD 只能靠有限的人力，艰难追赶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，这能帮它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。双方实际上在联手验证一件事：用 AI 的生产力，去打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

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

自 2021 年成立起，Anthropic 就走了一条在当时看来很不合群的技术路线：同时适配多种芯片架构。大部分初创公司为了压低启动成本，完全靠英伟达公有云实例，Anthropic 却花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做混合训练与推理服务：英伟达 GPU、AMD GPU、Google TPU、亚马逊 Trainium。

具体执行时，Anthropic 并不要求所有芯片干一样的活，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。算力供应链一有风吹草动，定价权又捏在一家巨头手里，卖方市场里谁深度绑定单一芯片，谁就得照单全收对方的交货排期和溢价。反过来，一旦能跨架构迁移，Anthropic 就可以在全球供应链里随时换供应商，按性价比和供应配额挑最划算的买。

降成本还有另一手。路演中披露的 Anthropic Direct 模式，是绕开云服务商那套高溢价的打包方案，直接租物理裸芯片，装进专门为自己定制的数据中心。综合拥有成本（TCO）因此明显下降；数据中心基础设施那种长周期投资，和芯片硬件本身的短周期迭代，也就此被拆开来算。

这些工程动作最后都收拢到 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，早晚会撞上资本开支、晶圆产能和电网负荷这几堵墙。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限。按 Tom Brown 的说法，算法与编译优化若能带来 4 倍的算力乘数，商业上就是两种质变。

• 物理硬件只投 25%，就能交出和对手同等智能等级的模型，毛利安全垫很厚；

• 算力预算不变，能释放出相当于 400 单位算力的极限模型能力，前沿位置保得住。

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

更有想象空间的是 Tom Brown 描出的终极路径：递归式自我改进。Claude 已经具备底层系统编程能力，如果它能持续自主地侦测硬件特性、挖出新的算力乘数，大模型就开始反过来喂养底层物理基础设施，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，终局是 AI 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”，这话放在二级市场里，夸张成分很明显。

一线技术专家的反驳则冷静得多。半导体系统分析师 Ben Pouladian 等人认为，CUDA 不是几段能单独转译的算子代码，而是二十年打磨出来的庞大系统工程，软硬件协同、分布式网络通信容错、工业级稳定性都包在里面。

可要是只因为 CUDA 体系够大，就认定 AI 撼不动现有格局，那也把这次实验的分量看轻了。

实验真正揭示的核心变量，并非 AI 能不能在几天内凭空造出另一个 CUDA。它指向的是另一件事：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笔转换成本（Switching Cost）。外部竞争者即便报出很诱人的硬件单价或显存配置，企业决定换架构时，也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，统统折进账里。这道看不见的工程摩擦力，就是英伟达最宽的那层防护网。

可如果这些繁重的底层适配和调试，能由 AI 成倍乃至指数级地自动接管，企业换芯片的那笔经济账就得彻底重算。

这一变化不只对 AMD 有意义。正在自研定制芯片的云巨头，以及软件生态推得艰难的国产 AI 芯片厂商，都能从中看到战略层面的借鉴。