Anthropic：Claude Mythos Preview 3 天完成 AMD MI355X 适配
Anthropic Claude 仅用 3 天完成 AI 模型适配 AMD GPU，英伟达 CUDA 护城河遇挑战
训练模型自己动手写 GPU 适配代码，3 天搞定以前要半年到一年的活，这事发生在 Anthropic 身上。CUDA 锁定效应第一次被正面动摇，做算力采购和基础设施的人都该看看这份路演材料。
Anthropic 在 IPO 路演材料中披露，其 Claude Mythos Preview 模型仅用约 3 天时间，就摸索出让另一个模型在 AMD MI355X GPU 上运行的方法。传统情况下，为新计算平台完成推理适配通常需要 6 至 12 个月，这意味着时间成本被压缩了近千倍。
从机制上看，高性能 AI 模型已具备自主适配不同计算平台的能力，可以在 AMD、英伟达等不同厂商的 GPU 之间完成移植，使 GPU 越来越像可互换的通用算力资源。这直接冲击了英伟达 CUDA 生态的核心价值——过去开发者被锁定在 CUDA 上，很大程度上正是因为跨平台移植门槛极高。
不过现在断言 CUDA 护城河终结仍为时过早。CUDA 背后有庞大的开发者生态、丰富的函数库和多年技术积累，英伟达还向大学免费提供 GPU 与培训资源吸引开发者，并将 NCCL 通信库与 NVLink、InfiniBand 等专有硬件深度绑定，持续抬高用户迁移成本。
Anthropic Claude 仅用 3 天完成 AI 模型适配 AMD GPU，英伟达 CUDA 护城河遇挑战
IT之家 11 月 11 日消息，英伟达 CUDA 生态系统的领先优势，可能正在受到越来越大的挑战。Anthropic IPO 路演材料中的一张幻灯片显示，随着高性能 AI 模型逐渐具备自主适配不同计算平台的能力，GPU 正在变得越来越像可以相互替换的通用算力资源。 IT之家注意到，Anthropic 的 IPO 路演材料披露了一项颇为引人关注的信息：其 Claude Mythos Preview 模型仅用了大约 3 天时间，就摸索出如何让另一个模型在 AMD MI355X GPU 上运行。相比之下，传统情况下，为一个新的计算平台完成推理任务所需的适配工作，通常需要 6 至 12 个月。 这意味着，Anthropic 现在可以将不同厂商的 GPU 视为相对通用的算力资源，在不同平台之间切换的技术门槛已经大幅降低。也正因如此，有观点开始认为，英伟达长期以来引以为傲的 CUDA 生态护城河，实际上可能已经失去了原有的意义。 不过，现在就宣告英伟达 CUDA 生态优势的终结，恐怕还为时过早。CUDA 不仅仅是一套软件工具，其背后还有规模庞大的开发者生态、丰富的函数库和开发工具，以及经过多年持续优化的技术积累。目前，仍有大量开发者围绕 CUDA 构建和维护各类应用。 过去几年，英伟达也一直在采取各种措施巩固 CUDA 的竞争优势。例如，公司向大学和科研人员免费提供 GPU 及培训资源，吸引更多开发者进入 CUDA 生态。 此外，英伟达还将用于连接多块 GPU 的通信工具库 NVIDIA Collective Communications Library（NCCL），与 NVLink、InfiniBand 等专有硬件技术深度结合，进一步提高多 GPU 协同计算的效率，也增加了用户迁移至其他平台的成本。
本条情报归属 AITOP「行业」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Anthropic、Claude、AMD MI355X、CUDA，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「IT之家」，经 AITOP 多维评分管线结构化提炼。
