🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 科技 教育 采集 2026-11-11T16:17:18+00:00

Anthropic刷新GPU适配效率,CUDA优势面临挑战

原始标题: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

来源
ithome
发布时间
2026-11-11T11:26:23
采集批次
2026-11-11-16
字数
514
URL 指纹
38980f57aad23521

📌 AI 总结(227 字)

Anthropic在首次公开路演材料中披露,其Claude Mythos Preview模型约用3天探索出让另一模型在AMD MI355X GPU上运行的方法,而传统平台适配通常需要6至12个月。这表明AI模型正具备自主适配不同硬件的能力,GPU作为通用算力资源的可替换性增强,CUDA生态护城河受到挑战。不过,CUDA仍拥有开发者、函数库、工具链及长期优化积累,英伟达还通过赠卡培训、NCCL及NVLink、InfiniBand软硬件协同提高迁移成本。
📄 正文(514 字)
Anthropic首次公开的IPO路演材料显示,其Claude Mythos Preview模型仅用约3天,便探索出使另一个模型在AMD MI355X GPU上运行的方法。相较之下,传统上为新计算平台完成推理任务适配,通常需要6至12个月,差距十分明显。

这一进展意味着,Anthropic已能相对灵活地调用不同厂商的GPU。Anthropic将不同计算平台视为可相互替换的通用算力资源,GPU厂商之间的底层适配门槛可能继续降低。随着高性能AI模型逐步获得自主适配硬件的能力,GPU的通用属性正在增强,英伟达长期依赖CUDA建立的生态护城河也面临新的挑战。

但目前断言CUDA优势终结仍为时过早。CUDA不仅是一套开发工具,其背后还有庞大的开发者群体、丰富的函数库和开发工具,以及多年持续优化形成的技术积累,许多应用仍围绕该生态构建和维护。

过去数年,英伟达也在持续巩固这一优势。公司向大学和科研人员免费提供GPU及培训资源,以吸引更多开发者进入CUDA生态。同时,英伟达将多GPU通信工具库NCCL与NVLink、InfiniBand等专有硬件技术深度结合,提升多卡协同计算效率,也进一步增加了用户迁移至其他平台的成本。