Claude三天撬開英偉達20年CUDA護城河？Anthropic讓Mythos自己移植GPU底層代碼

動察 Beating AI 快訊，Claude Mythos Preview 只用了 3 天，就讓一款 Claude 模型在 AMD GPU 上跑通了關鍵計算環節。所需的 GPU 內核幾乎全部由 Claude 自行移植或編寫，人工干預很少。稱，過去接入新的芯片平台，通常需要幾十名工程師花費 6 至 12 個月。

最難被取代的優勢之一，就是 CUDA。

CUDA 是 2006 年推出的 GPU 計算平台。到 2018 年，PyTorch、TensorFlow 等主流深度學習框架已經廣泛使用 CUDA 及其配套計算庫。還陸續完善了多卡通信、調試和性能優化工具。開發者不用從頭編寫大量底層程序，就能高效利用 GPU。

隨著越來越多的 AI 訓練和推理程序圍繞 CUDA 開發，積累了大量現成代碼和工具。開發者選擇，很多時候也是因為軟件已經適配好了。即使 AMD 造出了性能很強的 GPU，客戶想換過去，也得面對代碼遷移、兼容性測試和性能優化等問題。

AMD 的 MI355X 配備了 288GB 高帶寬顯存，硬件配置並不弱。麻煩在於，針對編寫的 GPU 內核，換成 AMD 後不一定能直接運行，即使跑起來，性能也未必理想。工程師還得根據 AMD 的芯片架構調整代碼，反復測試計算結果和運行速度。

AMD 早已推出 ROCm、HIPIFY 等工具，幫助開發者遷移 CUDA 程序。Triton 等跨平台編程工具也在降低遷移難度，但複雜的底層計算仍然需要大量人工優化。

這次讓 Mythos 接手了其中一部分工作，自行移植或重新編寫 GPU 內核。根據路演圖表的說明，它在 3 天內讓一款 Claude 模型的提示詞處理環節，在 AMD MI355X 上達到可用性能。

其實早就在降低對單一芯片廠商的依賴。招股書披露，公司花了多年時間，建立了橫跨 GPU、AMD GPU、Google TPU 和亞馬遜 Trainium 的算力調度系統，可以根據價格和性能選擇不同芯片。

今年 7 月，還與 AMD 達成合作，計劃從 2027 年上半年開始部署 AMD 新一代 GPU，規模最高達到 2GW。雙方還將利用 Claude 加快 ROCm 開發和 GPU 性能優化。則承諾未來向投資最高 50 億美元。

投資人 Marcelo P. Lima 認為，的 CUDA 護城河已經消失。但分析師 Ben Pouladian 提出了不同看法：讓模型的部分計算跑上 AMD，與讓整套系統在大規模部署中達到穩定、划算且有競爭力的性能，還有很大差別。