CUDA 20年护城河一个周末崩塌：Claude独自跑通AMD新GPU

一个周末改写了GPU竞争格局

上周末，Anthropic的一名工程师做了一个实验：他给Claude接上了一台全新的AMD MI355X机架，丢下一句话——”去，把这台机器跑起来。”

等周末结束回到工位，屏幕上已经多出一条持续上涨的性能曲线。Claude不仅跑通了AMD的新GPU，还在不断地自动优化性能。

人类工程师全程没有改过一行代码。

AMD CEO苏姿丰在现场讲述这个故事时透露，她第一反应是让AMD团队赶紧去帮忙。结果团队回来告诉她：对方说不用，已经全部搞定了。

这件事为什么是”地震级”的？

要理解这个事件的冲击力，你得知道CUDA是什么。

CUDA是NVIDIA的GPU编程平台，从2006年推出至今已积累了20年。它包括：

– 编译器（nvcc）：把代码翻译成GPU能执行的指令

– 数学库（cuBLAS、cuDNN）：深度学习的核心运算都依赖这些库

– 调试工具（Nsight）：帮开发者找Bug

– 性能分析器：告诉你瓶颈在哪里

– 海量的开发文档和社区经验：无数工程师20年攒下来的”手感”

过去，任何挑战者（AMD的ROCm、Intel的oneAPI）都面临同一个死结：芯片性能可以追，软件生态没法追。开发者习惯了CUDA，换平台意味着所有工具链重来，没人愿意干。

但Claude不一样。它不挑工具链——它会读文档、调参数、改代码、跑测试，然后自己判断优化方向。它不需要20年的经验积累，它只需要一份说明书。

AMD给AI开的”后门”：ROCm.AI

在这次AMD Advancing AI大会上，AMD发布了一套专门给AI准备的工具箱——ROCm.AI。

核心理念简单到令人不安：把GPU的指令集和编程文档直接写成AI能读懂的格式。AI不需要人工写驱动、调兼容性、踩坑——它读完说明书就能直接上手调性能。

入口叫AMD Skills，里面装的全是经过验证的ROCm知识。Agent拿到这些知识后，可以自己装环境、部署模型、读日志、查故障。

AMD还在用一个叫Hyperloom的工具，让AI自动做性能优化：拉推理服务→跑出基线→找瓶颈→改配置→生成定制内核→重新跑一遍。现场演示中，Hyperloom把MiniMax M3的输出速度提升了38%。

CUDA生态优势的”核弹级”降维打击

CUDA的护城河建立在人力积累上：培养一名顶级GPU工程师要按年算。而AI调GPU，多启动一个Agent只需要再开一个任务。

一名工程师放出一群Agent，就能并行排查报错、定位性能瓶颈。一次跑通的配置、写好的内核和踩过的坑，也能马上成为下一批Agent的起点。

把按年计算的追赶压缩成按任务计算——这就是AI对CUDA生态的降维打击。

已经落地的合作：Anthropic要在AMD上跑2GW

这不是一个实验室里的Demo。Anthropic已经宣布，将在AMD Helios系统中部署最高2GW的Instinct GPU，首批1GW计划于2027年上半年启动。

2GW是什么概念？大约相当于一个中等城市的全部电力供应。全用来跑AI。

对中国AI产业的启示

AMD和Anthropic的这场合作，给中国AI产业一个清晰的信号：CUDA的壁垒正在被AI瓦解。

过去我们总说”国产GPU最大短板是软件生态”。现在，如果AI能帮我们搞定软件栈，那么芯片本身的性能就成了唯一变量。国内GPU厂商如果能在硬件上追平，再配合AI自动化适配ROCm生态，追赶NVIDIA的窗口期可能比预想的短得多。

20年的生态差距，第一次可以交给一群Agent昼夜不停地往回追。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn