过去，让一个大模型在一种新芯片上跑起来，往往需要几十名工程师埋头苦干好几个月。现在，这项工作可能只需要一个AI，外加三天时间。

据科技媒体OfficeChai报道，Anthropic在上市路演中披露，其Claude Mythos模型几乎独自完成了把Claude部署到AMD芯片上的工作，只用了大约三天。

按照这家公司的说法，这项工作过去需要数十名工程师花费6到12个月才能完成。而这一次，Claude几乎编写或改写了所有所需的专用GPU代码。

这个案例被放在路演中，用来解释Anthropic最早、也最"非主流"的基础设施押注之一：不把宝押在一家芯片厂商身上，而是同时在四大芯片家族上训练和运行Claude。

三天"搬家"是怎么做到的

据报道，Claude Mythos被部署到AMD基于CDNA 4架构的MI355X GPU上。一名Anthropic工程师只是把模型连接到新硬件，然后让它"开工"。

接下来，Mythos几乎在没有人工干预的情况下，自主移植或编写了接近100%的计算内核，让Claude能够在AMD芯片上处理请求。

所谓"内核"，是直接在芯片上执行计算的底层程序。

比如矩阵乘法、注意力计算这些大模型最核心的运算，都要靠一个个高度优化的内核来完成。

不同厂商的芯片架构各异，同样的计算往往需要针对每种芯片重新编写和优化，这正是适配工作最耗时的部分。

报道还提到，AMD首席执行官苏姿丰证实，AMD原本准备好的额外工程支援，最终完全没有派上用场。

这次突破并非孤立事件。

Anthropic与AMD此前已签署协议，承诺部署最多2吉瓦的AMD Instinct MI450系列芯片，这些芯片将安装在AMD的Helios机架级系统中。

作为交换，AMD同意随着部署里程碑的达成，向Anthropic投资最多50亿美元。

协议还包括利用Claude帮助优化AMD的ROCm软件栈，而这一软件栈长期被认为是AMD相对英伟达的短板。

为什么要"四条腿走路"

在路演视频中，一位Anthropic高管解释了公司的多芯片战略。

他表示，Anthropic如今在四大芯片家族上训练和运行Claude。当初公司做出这个决定时，业内许多人怀疑是否值得为此付出那么大的努力。

每种芯片都需要量身定制的软件和推理栈，既昂贵又困难。但多年的积累，让Anthropic在这方面变得相当娴熟。

在这位高管看来，这一战略有两大好处。

这两点都直指当下人工智能行业的痛点。

第一，在算力供应紧张的市场中，公司可以追逐最佳性价比，不管它来自哪家供应商。第二，可以让每种芯片做自己最擅长的事，因为有的芯片更适合训练，有的更适合推理。

公司的终极目标，是把所用的所有芯片，无论来自哪家厂商、采用什么架构、部署在哪里，都当作一个统一的、可互换的算力池。

目前，Anthropic的算力池已涵盖英伟达GPU、亚马逊AWS的Trainium芯片和谷歌的TPU。与谷歌的合作始于一项最多采购100万颗TPU的协议，此后又进一步深化。

路演还透露，Anthropic正在组建内部芯片设计团队。定制芯片已成为长期规划的一部分，但它将与外购芯片并行，而不是取而代之。

这种"外购加自研"的组合，与谷歌、亚马逊、微软等科技巨头的做法类似。在算力就是竞争力的时代，没有哪家头部企业愿意把命运完全交到一家供应商手里。

报道称，这轮招聘还从竞争对手的芯片项目中吸引了人才，其中包括曾参与OpenAI与博通合作定制芯片项目的工程师。

CUDA护城河，还有多深

这个故事最耐人寻味的地方，在于它对英伟达软件护城河的潜在冲击。

近二十年来，英伟达的CUDA平台一直是其统治地位的基石。原因在于，离开CUDA的代价太高：代码要重写，工程师要重新培训，整条流程要重新验证。

而AMD的ROCm软件栈，过去普遍被认为不够成熟、不够可靠。

如果AI模型能在三天内、在极少人工监督下，移植和重写几乎所有底层内核，那么支撑CUDA护城河的最大成本，也就是迁移所需的巨大工程投入，就可能大幅缩水。

OfficeChai分析认为，如果芯片真正变得可以互换，竞争的基础就会改变。芯片厂商将越来越难以依靠多年积累的软件生态锁定客户，而必须在性价比、供货能力和能效上正面较量。

对买家而言，这意味着不必再对某一种架构做多年的"全押"，采用较新或较小众平台的风险也随之降低。

不过，英伟达的地位并不会一夜之间瓦解。

单芯片性能、网络互联和系统级整合能力，以及庞大的开发者生态，依然是英伟达的真实优势。能在新硬件上"跑起来"只是第一步，真正决定工作负载会否大规模转移的，是在新硬件上的吞吐量和能效。

还需要注意的是，以上信息来自Anthropic路演中的公司自述和媒体转述，具体的技术细节和性能数据尚未公开披露，外界还无法独立验证。

但方向已经清晰。当越来越多的前沿实验室拥有快速跨架构移植模型的工具，客户为留在英伟达生态中支付的"溢价"，很可能会受到越来越大的压力。

这或许是人工智能发展中一个颇具象征意义的时刻：AI不只是芯片的"用户"，也开始反过来重塑芯片产业的竞争规则。