Anthropic加速AMD模型适配，英伟达CUDA壁垒迎来新挑战

Anthropic在2026年11月启动的首次公开发行（IPO）路演中披露，Claude Mythos Preview用约三天时间，使公司一款模型的提示词处理环节在AMD Instinct MI355X GPU上达到可用性能水平。AI参与底层软件开发，正在压缩采用替代芯片的前期适配周期，为AMD等供应商争取AI算力订单提供新的突破口，也使英伟达CUDA生态的迁移成本受到重新审视。

三天适配的具体边界

Anthropic将这一结果与传统工程方式进行对比：过去引入新加速器，往往需要数十名工程师投入数月，公司基于历史经验给出的周期估计为6至12个月。此次尝试中，Claude完成了几乎全部相关GPU计算内核的迁移或编写，人工干预很少。这里的“内核”指在GPU上执行具体计算任务的程序。

路演图表的脚注限定了结果范围：约三天对应的是一款模型在MI355X上的提示词处理，即推理的预填充阶段，并非完整训练流程或全部推理环节。预填充负责处理输入内容，后续逐步生成输出的解码阶段具有不同的计算与内存访问特征。因此，这次适配证明了部分软件工程工作的提速，尚不能直接证明整套生产系统已达到与英伟达平台相同的吞吐量、稳定性或单位成本。

迁移成本开始成为可压缩变量

过去十余年，英伟达的竞争力既来自芯片性能，也来自CUDA积累的开发工具、软件库和优化经验。客户采购时除了比较单卡算力与价格，还要计算已有代码迁移、性能调优、测试验证及后续维护的投入。切换平台的成本越高，替代硬件的价格优势就越难转化为采购收益。

AMD GPU和谷歌张量处理器（TPU）等平台，可以依靠台积电等制造伙伴及架构迭代提升硬件性能，但软件生态通常需要更长时间积累。AI辅助开发的变化在于，部分代码改写、错误排查与反复试验可以自动推进，缩短依赖资深工程师逐项调试的过程。

自动化迁移本身已有技术基础。AMD的HIPIFY工具能够将CUDA代码中的部分语法和应用程序接口转换为HIP代码，再利用ROCm软件栈在AMD GPU上运行。官方文档同时要求开发者分阶段迁移并逐项测试。AI进一步参与开发，有望减少复杂适配中的人工工作，但代码转换、性能优化和生产验证仍是不同任务。

AMD把软件协作与整机部署结合

Anthropic采用AMD平台已有明确的商业部署安排。AMD于2026年7月22日宣布，双方计划部署最高2吉瓦规模的Instinct MI450系列GPU，首个1吉瓦项目预计从2027年上半年开始部署。方案采用Helios机架级系统，整合MI455X GPU、EPYC“Venice”CPU、Pensando网络及ROCm软件，并建立在Anthropic已使用MI355X的基础上。

双方还将开展多年工程合作，利用Claude优化Instinct GPU工作负载并加快ROCm开发。这使模型公司与芯片供应商形成双向协作：模型应用帮助改善底层软件，软件成熟度提升则有利于扩大硬件部署。该路径能否形成持续竞争力，取决于优化成果能否在不同模型、软件版本和系统规模下复用。

英伟达的优势仍覆盖整个系统

英伟达的生态黏性还来自开发者培养，以及从GPU到网络和数据中心的软件硬件协同。其面向高校和研究人员的资源与培训，使许多开发者较早熟悉CUDA工具链；成熟软件库和既有项目的优化成果，则增加了客户切换平台时需要重新验证的工作量。

在多GPU和多节点系统中，NCCL负责集合通信，NVLink承担高速互连，InfiniBand等网络连接服务器。三者处于不同技术层次：NCCL是公开源代码的通信库，NVLink是英伟达互连技术，InfiniBand则属于行业网络技术体系。NCCL可针对NVLink、PCIe及多种网络拓扑优化通信，这种系统协同能力会影响大型集群的实际效率，不能用一次计算内核适配的结果衡量。

Anthropic在招股书中列出的算力平台包括亚马逊云科技Trainium、谷歌TPU、英伟达GPU和AMD GPU，并通过自研编排层按工作负载的价格与性能分配算力。公司同时强调，这套基础设施依靠多年工程投入建立。其方向是增加平台选择与调度弹性，英伟达仍是其中的重要供应方。

对算力采购而言，值得关注的是总拥有成本的变化。若适配周期和工程投入持续下降，客户将更容易比较不同平台在真实业务中的单位有效算力成本，供应商定价也可能面临更大压力。但大规模部署还要计入吞吐量、响应时延、能耗、利用率及运维成本。CUDA的软件壁垒正在受到AI辅助开发的挑战，竞争结果仍将由整套系统的交付能力与运行效率决定。