三天干完几个月的活：Claude 把自家模型搬上了 AMD 显卡

把一个大模型搬到另一种芯片上，过去是件苦差事：几十名工程师、几个月时间、无数个调优的夜晚。Anthropic 说，这次它让自家模型自己干完了。

核心看点

• Anthropic 称 Claude Mythos 用约三天让 Claude 在 AMD MI355X 上跑起来，传统做法需 6 到 12 个月
• 联合创始人 Tom Brown：Claude 移植或编写了近 100% 的 kernel
• 脚注限定：三天只覆盖单个模型的 prompt processing 达到可用性能
• 若成常态，芯片迁移成本大幅下降，英伟达 CUDA 的软件锁定将被削弱

路演视频里的一句话

这个说法出现在 Anthropic IPO 路演视频的「算力策略」章节。联合创始人兼首席算力官 Tom Brown 在镜头前表示，公司今年才开始使用 AMD 的 GPU，而以往引入一个新芯片平台是缓慢且高度手工的工程：

过去上一个新芯片平台，要几十名工程师花上几个月。这次我们让 Mythos 去试，它只用了三天就把 Claude 跑在 AMD 上，基本上没有人工干预。

他补充说，Claude「移植或编写了接近 100% 的 kernel」。所谓 kernel，是让模型数学运算在特定芯片上高效执行的核心程序，每一代芯片都需要单独一套。视频里的图表把三天与「传统方法约 6 到 12 个月」并列对比。

小字里的边界

不过图表下方的一行小字给这个说法划了范围：三天指的是 Claude Mythos Preview 让某一个 Anthropic 模型在 AMD MI355X 上，把 prompt processing 提升到「可用性能水平」所需的大致时间。prompt processing 是模型读取输入的阶段，并不等同于整个模型甚至训练流程完成迁移。6 到 12 个月的对照值，则来自公司过去引入新加速器的历史经验。

两个数字都出自 Anthropic 自己的上市材料，目前没有公开的技术细节可供外部验证。AMD 对此不予置评。

为什么英伟达该紧张

英伟达最坚固的防线从来不是硅片，而是软件。绝大多数 AI 代码是围绕 CUDA 写的，换到别家硬件意味着重写并重新调优底层 kernel，这笔迁移成本把很多实验室牢牢拴在英伟达生态里。如果模型能自己在几天内完成大部分移植工作，换芯片的账就要重算。

盯上这道护城河的不止一家：谷歌和 Meta 在推 TorchTPU，让为英伟达写的 PyTorch 代码能跑在谷歌芯片上；DeepSeek 则给华为昇腾提供了自己的开源软件栈。

背景还有一层：Anthropic 与 AMD 今年 7 月宣布合作，计划从 2027 年上半年起部署最多 2 吉瓦的 MI450 芯片，AMD 最多投资 50 亿美元，并在此次 IPO 中再买入 25 亿美元股份。而英伟达同样是 Anthropic 的供应商，这次也认购了 100 亿美元。

写在最后

「让 AI 优化 AI 的基础设施」听上去像宣传语，但它指向一个真实的趋势：模型能力正在从产品层下沉到工程层，变成一种可以自我复制的生产力。三天和六个月之间的差距，最后会写进每一家 AI 公司的资本开支表里。至于这个三天是否可复现，等第一批外部团队拿到 MI355X 的实测数据，答案自然会浮出来。