Anthropic 称 Claude 用 3 天完成模型向 AMD 加速器的 GPU 内核适配
英伟达CUDA护城河迎来新挑战 Claude仅用3天就让模型适配AMD AI加速器
Anthropic 称 Claude 承担了将模型适配到 AMD AI 加速器工作中几乎全部 GPU 内核代码的移植与编写,人工干预很少,整个过程仅用 3 天。按公司过往经验,用传统工程方法接入新芯片平台通常需要数十名工程师花费 6 到 12 个月。目前实际适配的芯片包括英伟达、AMD、Google TPU 和亚马逊 Trainium 等。AMD 与 Anthropic 此前已宣布将部署最高 2GW 基于 AMD MI450 系列的 GPU 算力,首批 1GW 计划于 2027 年上半年开始,双方还将利用 Claude 优化 AMD GPU 工作负载、加快 ROCm 软件开发。
推荐理由
AI 评分 70
原文给出了传统适配与 AI 参与后的时间对比,读者可据此判断芯片平台迁移成本的变化空间。
主题
正文
Claude 移植或编写这项工作中几乎全部的 GPU 内核代码,期间人工干预非常少。该案例引起外界对英伟达 CUDA 软件生态和 AI 芯片竞争的讨论,CUDA 是英伟达的护城河,但在 AI 时代这种护城河还能持续多久还需要观察。
A 社称根据公司过往经验,采用传统工程方法接入新芯片平台通常需要数十名工程师花费数月 (实际需要 6 到 12 个月),而在 AI 参与后这个过程可以被缩短到仅仅 3 天。
英伟达的 CUDA 汇集大量开发工具、计算库和针对 GPU 优化的软件,长期以来都是 AI 开发的重要基础,因为将原本针对特定硬件优化的代码适配到其他芯片,需要投入大量工程资源。
而 AI 参与底层代码移植后,可以帮助工程师更快编写和调整 GPU 内核,企业接入不同芯片平台的成本和时间就有机会下降。现阶段 A 社实际适配的芯片包括但不限于英伟达、AMD、Google TPU 和亚马逊 Trainium 等。
AMD 与 Anthropic 此前已经宣布将部署最高 2GW 规模的、基于 AMD MI450 系列的 GPU 算力,首批 1GW 部署计划于 2027 年上半年开始,双方还将利用 Claude 优化 AMD GPU 工作负载、加快 ROCm 软件开发。