离谱：周末放个假，Claude自己把新GPU调通了

事情的经过相当科幻：前段时间AMD给Anthropic送了一台搭载最新MI355X的机架，团队本来已经做好了打持久战的准备——新硬件配新软件栈，适配、调优本来就是按月算的大工程。 结果他们索性玩了把大的：只让一名工程师给Claude丢了句“去，把这台机器跑起来”，就下班过周末去了。等周一回到工位，屏幕上已经躺着一条持续上涨的性能曲线：不仅模型顺利跑通了，性能还在一轮轮自动迭代提升。 Anthropic联合创始人Tom Brown在台上讲这段的时候，苏姿丰当场补了个小插曲：她一开始听说Anthropic只安排了一个工程师对接MI355X，第一反应是赶紧派AMD的技术团队过去帮忙，结果派去的人回话说，对方表示完全不用，已经全部搞定了。

这场看似“玩票”的周末实验，很快落地成了正式的商业合作：Anthropic已经宣布将在AMD Helios系统中部署最高2GW容量的Instinct GPU，首批1GW容量计划2027年上半年正式启动。后续双方还会直接用Claude优化AMD的工作负载，加速ROCm软件栈的开发进度。

换道超车：AMD直接把芯片说明书喂给了AI

Claude能这么快跨平台跑通，根本不是什么“魔法”，而是AMD专门给AI修了条“快车道”。 在这次AMD Advancing AI 2026大会上发布的ROCm.AI，就是专门给Claude、Codex、Cursor这类AI Agent准备的全套GPU开发工具箱。其中的核心入口叫AMD Skills，里面装了全部经过官方验证的ROCm开发知识，Agent拿到这些资料后，就能自己完成环境安装、模型部署、日志排查、故障定位，再通过ROCm CLI直接调用真实硬件。开发者只需要说清楚最终目标，剩下的路径全让Agent自己摸索。

更狠的是，AMD甚至为了适配AI，改了芯片文档的传统写法：未来每一代AMD GPU都会公开完整指令集，并且提供AI可以直接读取解析的ISA指令集文档。Agent读懂手册之后，不需要人类手把手教，就能直接上手调试硬件性能。 负责这套优化流程的工具叫Hyperloom，它能自动拉起推理服务跑出性能基线，定位CPU和GPU的性能瓶颈，测试不同配置参数，自动生成定制优化内核，最后再验证优化效果。在现场演示中，Hyperloom直接把MiniMax M3的输出速度提升了38%，它还能一次性并行跑通1.4万个模型测试，把每次踩的坑、优化的经验都沉淀下来，下次直接复用。

【编辑观察】以后看芯片参数，光看峰值算力、显存带宽已经不够了——AI能不能直接读懂它、调用它、把纸面性能全榨出来，会成为和硬件参数同等重要的指标。芯片厂商要争取的“开发者”，早就不止人类程序员，还包括7*24小时不用休息的AI Agent。

20年生态壁垒，第一次出现了被快速追平的可能

从2006年推出至今，CUDA的护城河是整整两代工程师用代码和经验堆出来的：完善的编译器、数学库、调试工具、性能分析工具只是基础，真正难复制的是那些藏在专家脑子里的“手感”——算子怎么调最快、多卡通信怎么提速、显存怎么分配最优、分布式部署哪里最容易踩坑，这些经验没有任何捷径可走，只能靠一个个项目踩坑攒出来。 过去其他厂商就算造出了和英伟达性能接近的芯片，也得把这条软件生态的长路从头走一遍：芯片流片可以按季度推进，但生态积累只能按年熬，这也是CUDA称霸近20年没人能撼动的核心原因。 而AI Agent的出现，刚好补上了这块最费时间的短板。它会读文档、会调工具、会写代码改bug、会反复测试验证，一个方案没效果就立刻换下一个，跑分提升了就沿着方向继续深挖。人类培养一名顶级GPU优化工程师需要好几年，而多启动一个Agent只需要新建一个任务。 一名工程师带上一群Agent，就能并行排查报错、定位瓶颈、迭代优化，一次跑通的配置、写好的内核、踩过的坑，能立刻同步给所有Agent当经验。把按年计算的生态追赶周期，压缩成按任务计算的并行迭代，这就是AI给CUDA带来的真正降维打击。

【编辑观察】以前大家总说CUDA的壁垒高到根本追不上，现在AI直接换了个赛道打比赛：把硬件接口和软件工具全部开放给AI，让Agent昼夜不停地补全生态、优化性能，英伟达攒了20年的生态优势，第一次出现了被快速追平的可能。对普通玩家来说，这也意味着未来我们选显卡的时候，终于不用再被CUDA生态牢牢绑在一家厂商身上了。