Claude 三天完成 AMD 芯片适配英伟达 CUDA 生态承压The DecoderT2·算力与基建

Anthropic 称 AI 将 AMD 芯片迁移周期从数月压缩至 3 天

作者：Matthias Bastian原标题：Anthropic says AI is eroding Nvidia's CUDA lead, cutting an AMD chip switch from months to three days

88AI 研判分

Anthropic 联合创始人 Tom Brown 称，公司已通过多芯片战略摆脱对英伟达的单一依赖，将 Claude 的训练与推理分散在四大芯片家族上，并视为统一可互换的算力池。其前沿模型 Mythos 在迁移至 AMD GPU 时几乎自主完成近 100% 的算子内核编写与移植，耗时仅 3 天，而传统流程需 6 至 12 个月。此举直接冲击英伟达 CUDA 生态的核心护城河，Anthropic 还计划部署最高 2 吉瓦的 AMD Instinct MI455X 算力。

关联知识实体

公司Anthropic 模型Mythos 公司AMD 公司英伟达术语算子内核术语CUDA

报道正文

本文目录4 个章节

Anthropic 称 AI 正在削弱 Nvidia 的 CUDA 优势，将 AMD 芯片切换时间从数月缩短至三天

文本

  [Matthias Bastian](https://the-decoder.com/author/matthias-bastian/) [查看 Matthias Bastian 的 LinkedIn 个人资料](https://www.linkedin.com/in/matthias-bastian-128b71b1/)   2026年11月11日

图片描述

由 THE DECODER 提示 Nano Banana Pro 生成

要点

Anthropic 声称已通过多芯片策略摆脱了对 Nvidia 的依赖。
据联合创始人 Tom Brown 称，该公司现在在全部四大芯片系列上训练和运行 Claude，并将它们视为一个单一、可互换的计算资源池。
在移植到 AMD GPU 时，Anthropic 自家的前沿模型 Mythos 自行编写或移植了近 100% 的内核，据报道仅用了三天，而非通常的六到十二个月。
文本
```
询问关于本文的问题……   搜索        
```

Anthropic 声称已通过多芯片策略摆脱了对 Nvidia 的依赖。该公司表示，它仅用三天就将自家 AI 模型 Claude 移植到了 AMD GPU 上，几乎无需人工干预。

Nvidia 最大的竞争优势在于硬件与软件的结合，尤其是 CUDA——这个将开发者锁定在 Nvidia 芯片上的软件生态。将 AI 模型移植到其他芯片架构需要付出巨大努力，以至于许多公司甚至不愿尝试。Anthropic 现在在一份投资者演示中声称，它已利用 AI 本身解决了这一问题。

据 Anthropic 联合创始人兼首席计算官 Tom Brown 称，该公司现在在全部四大芯片系列上训练和运行 Claude。Anthropic 早在大多数业内人士认为这种努力不值得的时候就做出了“非常规押注”，押注多芯片策略。每种芯片都需要自己的定制软件和推理栈，这既昂贵又耗时。但 Brown 表示，Anthropic 多年来一直在这项工作上投入，并且已经变得“极其擅长”。

Anthropic 利用 AI 将 Claude 移植到 AMD

该公司最具体的测试来自 AMD GPU。到目前为止，搭建一个新的芯片平台需要数十名工程师忙碌数月。今年，Anthropic 首次使用 AMD GPU，并让其自家的前沿模型 Mythos 来完成这项工作。据 Anthropic 称，Claude 仅用三天就在 AMD 上运行起来，几乎无需人工干预。该模型自行移植或编写了近 100% 的内核。

曲线图：Mythos 在约 3 天内达到约 100% 的性能，而传统方法在 AMD GPU 上需要约 6–12 个月。

借助 Mythos，Anthropic 能在约三天内将新硬件提升到可用的性能水平，而传统工程方法需要六到十二个月才能完成新加速器的适配。这些数据指的是 Anthropic 模型在 AMD MI355X GPU 上的提示处理性能。| 图片：Anthropic

如果这些数据准确，那么长期以来被视为 Nvidia 最强竞争优势的软件开销，将因 AI 而大幅缩小。企业可以更轻松地在芯片供应商之间切换，选择最实惠或最容易获得的方案。

在供应紧张的计算市场中，多芯片策略让企业能够专注于最佳的性价比，而不必拘泥于供应商。有些芯片更适合训练，另一些则更适合推理。而由于在 AI 芯片市场的主导地位，Nvidia 目前享有超过 70% 的利润率，这对硬件行业来说高得不寻常。

栅格图：可互换的计算池将 AWS Trainium、Google TPU、Nvidia 和 AMD GPU 资源分配给四个工作负载。

Anthropic 从一个可互换的计算池中分配算力，覆盖四个硬件平台——AWS Trainium、Google TPU、Nvidia GPU 和 AMD GPU——用于研究、模型开发、客户需求和内部 Claude 使用等任务。| 图片：Anthropic

Anthropic 将来自不同供应商、不同芯片架构和不同地点的算力视为一个可互换的资源池。该公司表示，其每一美元算力所带来的产出超过任何其他前沿 AI 实验室。

计算倍增器旨在扩大领先优势

除了多芯片策略之外，Anthropic 还依赖其所谓的计算倍增器——即从相同的物理算力中榨取更多性能的研究突破。据 Anthropic 称，这些倍增器层层叠加，使每一项新突破都能放大前一项的效果。

最终，Claude 应该能够自行发现这样的计算倍增器。那将等同于递归自我改进，这一概念在 AI 研究中备受争议，但尚未得到证实。

Anthropic 还通过“Anthropic Direct”计划建设自己的数据中心容量。该公司不再仅仅以云服务的形式购买算力，而是租赁芯片并在专门建造的数据中心中运营这些芯片。目标是降低总拥有成本。

这些数字来自 Anthropic 的投资者演示文稿，尚未经过独立核实。但它们表明，至少有一家大型 AI 实验室不再认为 Nvidia 的 CUDA 主导地位不可逾越，并且 AI 模型本身可能成为打破硬件依赖的工具。

两家主要 GPU 制造商现在都与 Anthropic 有着深厚的财务联系。2025 年 11 月，作为与 Microsoft 达成的 450 亿美元交易的一部分，Nvidia 承诺向 Anthropic 投资最多 100 亿美元。根据 Anthropic 于 2026 年 11 月 10 日向 SEC 提交的 S-1/A 注册声明，Nvidia 还参与了一项总额 260 亿美元的有条件私募配售，其中七家科技公司按 IPO 价格认购股份。

AMD 于 2026 年 7 月宣布了一项最高 50 亿美元的战略投资；作为回报，Anthropic 计划在 Helios 机架级系统中部署最多两千兆瓦的 AMD Instinct MI455X GPU，第一阶段一千兆瓦将于 2027 年上半年开始。