CUDA 20年护城河一个周末崩了，Claude独自跑通AMD新GPU

一个周末，Claude独自跑通AMD新GPU

故事始于Anthropic收到AMD送来的一台搭载MI355X芯片的机架。按照惯例，新硬件平台需要工程师团队花费数月甚至数年进行底层算子适配、性能调优与稳定性验证。但这次，团队让一名工程师将Claude接入机器，留下一句“去，把这台机器跑起来”，然后让流程在周末自行运转。周一回到工位时，屏幕上的性能曲线已“持续攀升”。Anthropic研究负责人Tom Brown公开表示：“我们原本以为这会是个大项目，但实际体验完全不同。”整个适配过程仅涉及一名工程师和一台机架，Claude在无人干预的情况下完成了从安装到调优的全流程。市场观察者迅速评论：“我们已过了CUDA护城河时代。”

硬件够能打：MI355X正面硬刚英伟达Rubin

AMD在此次事件中展示的硬件实力不容小觑。MI355X搭载3200亿晶体管，采用台积电N2工艺，配备432GB HBM4显存，显存带宽高达23.3TB/s，FP8算力20 PFLOPS，FP4算力40 PFLOPS。对比英伟达下一代Rubin芯片（288GB HBM4，22TB/s带宽，FP8 17.5 PFLOPS），MI355X在显存容量上领先50%，带宽高出约6%。在Helios机架层面，72颗MI355X组成统一系统，提供31TB HBM4和260TB/s聚合带宽，AMD宣称其峰值FP4算力比Vera Rubin NVL72多15%，显存多50%，横向扩展带宽多50%。硬件层面，AMD已具备与英伟达正面掰手腕的能力。

软件从“烂透了”到“有希望”：AMD的紧迫感与短板

尽管硬件进步显著，AMD的软件生态——ROCm——长期以来被视为最大短板。SemiAnalysis研报直言：“AMD的软件故事不再是‘ROCm烂透了’，而是‘ROCm终于有了紧迫感，但竞争前沿跑得更快。’”好消息是：持续集成在变好，vLLM和SGLang的上游支持在推进，单节点性能有明显提升，DeepSeek V4和MiniMax M3的适配速度比半年前快得多，MoRI分布式推理框架是真功夫。坏消息是：内部GPU集群严重不足，工程师缺算力做开发和测试；vLLM门控测试与CUDA的对标进度仍是0%，因为领导层把集群抽调走了；分布式推理的“可组合性”还有问题——单个优化都能跑，拼在一起就崩；Helios (gfx1250) 的软件适配还在早期，WideEP和wave32内核还没写好。简言之，AMD的软件工程师很努力，但缺机器用，管理层一边喊重视软件，一边把GPU调去干别的。

AI自举硬件适配：CUDA壁垒的“阿喀琉斯之踵”

Claude周末跑通MI355X事件的核心冲击在于：它揭示了CUDA护城河的本质不是技术不可替代，而是迁移成本太高——换平台意味着投入数月甚至数年的工程资源。但当AI自身能够替代工程师完成硬件迁移中最昂贵的人力环节时，这一逻辑的根基开始松动。Anthropic展示的AI自动化适配能力，将按年计算的追赶压缩成按任务计算。市场观察者称：“测试和写软件已经不像去年那样是难以逾越的护城河了。”AMD也看到了这一点，在Advancing AI 2026上发布了让Claude、Codex、Cursor等AI编程助手完成AMD平台安装、部署、调试和性能优化的工具集，核心包括GEAK（AI自动写和调优算子）和Hyperloom（自动定位瓶颈、调优、验证）。硬件采购决策将更多取决于性能、价格和供应，而非生态锁定。

追赶CUDA的新起点：把硬件接口和软件工具交给AI

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。Anthropic的部署规模已达2GW，证明AMD芯片在其算力体系中扮演实质性角色，而非象征性采购。中国工程师已站在这场AI改造GPU软件栈的最前线，他们沉淀下来的底层经验正在被整理成更多Agent可以调用的能力。英伟达CUDA护城河遭遇的根本性挑战不是来自某个竞争对手的硬件，而是来自AI自身——当AI能够自动完成硬件适配，CUDA的开发者锁定效应将加速瓦解。当然，这并不意味着英伟达要完，市场蛋糕在快速变大，但AMD确实在软件层面构成了对英伟达的潜在竞争，而AI自动化正在成为改变游戏规则的关键变量。