一句话，一个周末，Claude 直接把自家最前沿的模型跑在了一台全新的 AMD MI355X 机架上！
谁能想到，英伟达花 20 年堆起的 CUDA 护城河，就这样被跨了过去。
前段时间，AMD 给 Anthropic 送来一台搭载 MI355X 的机架。团队看完，心里已经做好了打硬仗的准备。新平台配新软件栈，注定需要新一轮适配。
不过，Anthropic 手里正好有 Claude。团队干脆先让一名工程师试试：把 Claude 接上机器，丢给它一句，「去，把这台机器跑起来。」
等周末结束回到工位，屏幕上已经多出一条持续上涨的性能曲线 —— 结果不仅跑起来了，性能还在一轮轮不停地提升。
Anthropic 联合创始人兼首席计算官 Tom Brown 讲完，苏姿丰马上接过话：听说 Anthropic 只有一名工程师在处理 MI355X 时，她第一反应是让 AMD 团队赶紧去帮忙。结果团队回来告诉她，对方说不用，已经全部搞定了。
就在最近，Anthropic 宣布，将在 AMD Helios 系统中部署最高 2GW 的 Instinct GPU， 首批 1GW 计划于 2027 年上半年启动 。
并且，双方还会直接使用 Claude 优化 AMD 工作负载，加速 ROCm 软件开发。
Claude 之所以能实现对 CUDA 生态的「降维打击」，是因为 AMD 直接给 AI 开发了一套能上手调 GPU 的工具。
在 AMD Advancing AI 2026 大会上发布的 ROCm.AI ，就是给 Claude、Codex 和 Cursor 准备的一整套 GPU 工具箱。
入口叫 AMD Skills，里面装的全是经过验证的 ROCm 知识 。
Agent 拿到这些知识后，可以自己装环境、部署模型、读日志、查故障，再通过 ROCm CLI 调用真实机器。开发者说出目标，剩下的路让 Agent 自己找。
公司 AI 软件与解决方案副总裁 Anush Elangovan 在现场透露，每一代 AMD GPU 都会公开指令集，并提供 AI 可读的 ISA。
AMD 把这部分工作交给 Hyperloom。它会拉起推理服务，先跑出基线，再去找 CPU 和 GPU 的瓶颈，测试不同配置，生成定制内核，最后把新方案重新跑一遍。
现场演示里，Hyperloom 把 MiniMax M3 的输出速度提升了 38%。AMD 还让它一次跑过 1.4 万个模型，把测试结果沉淀成下一次可以直接复用的经验。
AMD 还在和前沿模型公司一起训练这种能力。Elangovan 的原话很有意思： 让前沿模型「天生会说 AMD 编程」 。
以后看一块芯片，峰值算力和显存带宽当然重要，AI 能不能读懂它、调用它、把性能调出来，也会摆上同一张参数表。
CUDA 从 2006 年一路走到今天，靠的是无数工程师一行行码出来的生态。编译器、数学库、调试器、性能分析工具、开发文档，该有的全有。
更难复制的，是那一代代工程师攒下来的手感 。算子怎么调，通信怎么提速，显存怎么分配，分布式部署哪里最容易出问题，这些经验全锁在少数专家的脑子里。
后来者就算造出性能接近的芯片，也得把这条软件长路从头走一遍。芯片流片可以按季度推进，生态积累却只能按年去熬。
而 Agent 补的就是这一段。它会读平台文档，调用性能分析工具，找到速度卡在哪里，再改代码、编译、测试。一个方案没有效果就换下一个；跑分变好就沿着这个方向继续优化。
人类培养一名顶级 GPU 工程师要按年算，多启动一个 Agent 只需要再开一个任务 。
一名工程师放出一群 Agent，就能并行排查报错、定位性能瓶颈。一次跑通的配置、写好的内核和踩过的坑，也能马上成为下一批 Agent 的起点。
把按年计算的追赶压缩成按任务计算，AI 最值钱的地方就在这里。这也是 ASI 式能力对 CUDA 生态的降维打击。
如今，中国工程师已经站在这场 AI 改造 GPU 软件栈的最前线，他们沉淀下来的底层经验，也在被整理成更多 Agent 可以调用的能力。
追赶 CUDA 的新起点已经出现：把硬件接口和软件工具交给 AI，让 Agent 直接开工。
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。
本文来自微信公众号：新智元（ID：AI_era）：https://mp.weixin.qq.com/s/MFv0Uz9BrPGZFsDtcruZEQ，作者：ASI 启示录，原标题《 CUDA 20 年护城河一个周末崩了！Claude 独自跑通 AMD 新 GPU 》
Scan to open this article