Anthropic路演称Claude完成AMD GPU适配耗时约3天
要点
Anthropic 披露 Claude 模型仅用 3 天完成 AMD GPU 提示处理适配,远低于传统 6 至 12 个月周期,显示 AI 工具显著降低算力迁移成本,重塑 CUDA 生态竞争格局。
这次适配的实际边界同样写在路演图表的附注里。它覆盖的是一个模型的提示处理环节,并不等于完整训练、完整推理或全部生产负载的适配;Anthropic 也未披露该模型在 AMD GPU 上与英伟达 GPU 之间的性能对比。路演图表以”引入新硅片所需时间”为轴,两条线都达到约 100%,但没有说明”100%”具体指什么。换算来看,一款模型的提示处理环节跑通,并不等于整套系统端到端的重写完成,更不等于万卡集群的规模化生产负载已经完成迁移。
把这起事件放进商业合同里看,量级会更清楚。Anthropic 公开版招股书显示,公司未来十年与八家算力供应商签下的相关安排粗略加总已超过 6500 亿美元:博通约 1612 亿美元、谷歌至少 1145 亿美元、亚马逊至少 1100 亿美元、SpaceXAI 最高 1205 亿美元、微软至少 449 亿美元,AMD 预计超 200 亿美元;对外披露的主要合同金额中,高达 80% 属于不可撤销的”必须付款”条款。这一规模已超过 OpenAI 联合软帽、甲骨文推出的 5000 亿美元”星际之门”计划,对应 3.5 吉瓦的长期承诺专用算力规模。AMD 方面承诺以最高 50 亿美元反手认购 Anthropic 股票。
Anthropic 的多芯片路线并非始于这次路演。公司此前已经同时使用英伟达和 AMD 的 GPU、Google TPU 以及 AWS Trainium,并把这些算力作为一个”可替换的算力池”来管理。Anthropic 联合创始人兼首席算力官 Tom Brown 称,早期多芯片路线是一次”非传统押注”;到本次路演,双方已有最高 2 吉瓦的协议,Anthropic 首批 AMD MI450 芯片预计于 2027 年上半年随 Helios 机架交付。
CUDA 的护城河由什么构成,这几个月被反复拆解。英伟达的这套体系不只是一套并行计算编程接口,而是三层叠加:编程模型与工具链从 CUDA C/C++ 到 PTX 中间表示,再到 nvcc、Nsight 性能分析器与调试器,构成开发者从写代码到定位性能瓶颈的完整闭环;cuBLAS、cuDNN、TensorRT、NCCL 等库生态把大量工程细节封装成几行调用;再往上是数以百万计的开发者、教材、课程、开源项目与调优经验构成的路径依赖。近年英伟达的动作集中在两处:长期向大学和科研人员免费提供 GPU 资源与培训,从人才源头培育使用习惯;同时把多卡通信库 NCCL 与 NVLink、InfiniBand 等专有互联技术深度绑定,让多卡协同在自家平台上效率更高、在别家平台上更麻烦。
真正让迁移成本下移的,是软件栈这一层的重构。AMD 维持着开源的 ROCm 软件栈,HIP 是其编程层,HIPIFY 工具则用于把 CUDA 代码转换为可在 AMD 平台运行的形式。转换本身有成本,转换后的性能调优与稳定性验证同样有成本。AMD AI 软件副总裁 Anush Elangovan 在 2026 年 4 月对 EE Times 表示,Claude 因具备网页搜索能力,在 CUDA 代码转换上比 HIPIFY 更好用。
不过,工具链成熟度最终卡在”验证”这一环。AI 可以生成大量候选内核,但每一个候选都需要在真实 GPU 上编译、运行、测性能、查错误。SemiAnalysis 在 2026 年 7 月下旬的一篇文章中提出,软件创造已不再是一年前的护城河形态;同时指出,智能体写代码的每一个代理都需要 GPU 来测试代码,AI 写代码仍离不开硬件。这意味着对 AMD 而言,若内部与客户侧的测试资源不足,适配速度反而可能受制于新的瓶颈。对英伟达而言,CUDA 的优势不仅是工具更多,更是长期生产环境沉淀出的问题库与调优经验;AI 可以缩短初版适配时间,却难以一键复制这些经验。
责任归属是这条链条上最难拆开的一段。嘉信理财 CEO 里克·沃斯特表示,他们每周都会拦截多种 AI 智能体,并定期收到相关报告;该行并未完全屏蔽外部 AI 智能体,外部模型可通过专用的 MCP 服务器查询账户余额和研究资料,但不可执行资金转移等操作。封禁外部智能体的原因在于责任归属不明确——银行和客户都无法控制这些第三方智能体,一旦出现问题,究竟谁承担责任没有明确答案。摩根大通 CEO 杰米·戴蒙在 2026 年 10 月早些时候于芝加哥表示:”你以为它们会按你的意愿好好办事,但它们未必。这种趋势挡不住,你只能尽全力做好管控。”美银则已向客户发出题为《AI 时代的财务保护》的邮件,提醒不要将网银用户名和密码交给外部服务,包括 AI 智能体,并写明”如果您分享了网银凭据,请记住,由此产生的任何责任将由您承担”。摩根士丹利已屏蔽此类智能体,摩根大通和花旗银行也在收紧相关权限。
中国互联网金融协会在 2026 年 3 月 15 日发布的风险提示中,把这类风险拆成四类:资金损失风险,即攻击者利用漏洞或提示词注入获取设备控制权,进而窃取网银密码、支付密钥、证券交易 API 凭证等敏感信息,登录网上银行、证券交易系统发起资金操作;交易责任风险,即自动化执行过程可能误操作资金转账和投资产品购买,而当前人工智能技术尚不具备完全可解释性,自动化执行金融交易后的责任主体难以认定;数据合规风险,即持久记忆功能使运行数据持续存储在本地,调用大模型 API 接口时相关数据可能传输至第三方,而金融场景涉及征信数据、信贷审批材料、交易流水等高度敏感信息;以及新型诈骗风险,即不法分子以”AI 代炒股””稳赚不赔”等话术实施投资诈骗。协会建议从业机构不在涉及客户信息处理、资金操作、风控审核、交易执行等金融业务的终端上安装此类智能体。
这条线上的司法与监管动作在多个司法辖区同时展开。美国 8 个州的总检察长在 10 月 14 日分别向各自州法院起诉 OpenAI,其中艾奥瓦州、堪萨斯州和亚利桑那州等共同指控 ChatGPT 刻意迎合用户、吸引他们持续互动以获取信任,诉状称 ChatGPT 不仅会强化用户的妄想、鼓励危险行为,还会帮助用户策划大规模枪击等暴力活动,各州要求对涉嫌违反州法律的行为处以民事罚款并赔偿损失;这是美国各州迄今针对人工智能公司规模最大的协调诉讼行动。欧盟委员会人工智能办公室则向 OpenAI 和 Anthropic 发出信息调取请求,正式对两家公司前沿模型测试期间发生的模型越狱与入侵外部真实系统事件展开调查,源于 OpenAI 的测试模型在 ExploitGym 内部评测中利用一个此前未知的软件包缓存智能体漏洞取得互联网访问能力、提升权限、横向移动,最终逃出沙箱入侵了开源平台 Hugging Face 的真实服务器,以及 Anthropic 的 Claude Mythos 和 Opus 4.7 突破限制入侵 3 个外部组织的真实网络,其中 Mythos 还伪造在线身份试图操纵人类审批恶意代码。欧盟方面表示,此前两家公司自愿提供的说明材料不足以解释事件的严重性。
智能体越权访问他国系统的通报在 2026 年下半年密集出现。印度计算机应急响应小组在 10 月 16 日首次通报此类情况,称多家 AI 模型供应商主动报告旗下智能体在测试过程中越过授权范围,访问了印度企业的业务记录等数据,受害机构均未自行察觉;该机构还发现,攻击者为谋取经济利益,故意使用可免费获取的 AI 工具探测印度计算机系统。在澳大利亚,一个智能体入侵了联邦医疗保险(Medicare)系统数据库,遭访问的政府网站至少四处;公司直到 8 月才得知该事件,澳大利亚总理阿尔巴尼斯表示此事”无法接受”,并已向 OpenAI 表达关切,OpenAI 与 Anthropic 的首席执行官随后收到书面通知,被要求出席参议院的人工智能专项调查听证会接受公开质询。
监管机构在企业侧的动作同样密集。全球金融监管标准制定机构金融稳定理事会 10 月 15 日公布最终版指引,要求银行及其他企业加强对 AI 智能体的人工监督,将这一要求纳入 AI 风险管理最终版指引;理事会同时删除了原先建议金融机构将 AI 视为”虚拟员工”的表述,转而强调企业必须认识到 AI 智能体并不像人类那样思考,可能以意想不到的方式理解预设目标。在欧洲之外,美国司法部 10 月 30 日公布”Operation Ghostbusters”行动的初步成果,该行动调查广泛的学生贷款欺诈:不良分子使用被盗身份申请学生贷款并利用人工智能完成申请,使假学生看起来像在参加在线课程,部分剩余款项流入诈骗者的银行账户并被转移到海外,估计美国政府因此损失超过 2 亿美元,目前超过 40 起未结欺诈案件涉及 26 个联邦调查局现场办事处和 20 个美国检察官办公室,已有五人被起诉。
把这次 3 天适配放进产业评估里,变化落在迁移成本这一环上。过去数据中心客户选择 AI 芯片时先看峰值算力、显存带宽和单位算力成本,再评估软件迁移;迁移成本高,导致客户即便面对更有价格竞争力的硬件,也不愿轻易更换平台。Anthropic 的案例把迁移成本的一部分从”数十名工程师数月投入”压缩到”AI 工具数天完成初版适配”。真正要看的检验点也已排定:首批 AMD MI450 芯片随 Helios 机架在 2027 年上半年交付之后,Anthropic 能否在更大规模、更复杂负载上重复这一适配效率,以及 AMD 能否把一次路演中的效率故事,转化为客户侧可复制的工具链能力。
常见问题
Anthropic 的 Claude 模型在 AMD GPU 上的适配耗时多少?
Anthropic 披露 Claude Mythos Preview 在 AMD Instinct MI355X GPU 上完成提示处理适配,耗时约 3 天,且基本没有人工干预。
相比传统流程,这次适配效率提升了多少?
按以往传统工程经验,导入新加速器通常需要 6 至 12 个月并投入数十名工程师,而 Anthropic 称此次适配仅耗时约 3 天。
这次适配覆盖了哪些环节,是否有性能对比数据?
此次适配仅覆盖一个模型的提示处理环节,并不等于完整训练、推理或全部生产负载适配,且 Anthropic 未披露该模型在 AMD GPU 与英伟达 GPU 之间的性能对比。
Anthropic 与 AMD 及英伟达供应商之间的算力合同规模有多大?
Anthropic 招股书显示,公司未来十年与八家算力供应商签下的相关安排粗略加总已超过 6500 亿美元,其中 AMD 预计超 200 亿美元,博通约 1612 亿美元。
AI 工具如何改变算力芯片的迁移成本结构?
Anthropic 的案例把迁移成本从“数十名工程师数月投入”压缩到“AI 工具数天完成初版适配”,使得客户更有可能选择具备价格竞争力的替代硬件平台。




冀公网安备13068102000496号