AI颠覆GPU生态：AMD ROCm.AI实现CUDA降维打击

只用一个周末，Anthropic的团队就让自家最前沿的AI模型Claude，在一台全新的AMD MI355X机架上稳定运行，且性能还在持续优化。全程没有人类工程师修改过一行代码，就跨过了英伟达花费20年搭建的CUDA生态护城河。

前段时间，AMD向Anthropic交付了搭载MI355X的算力机架。团队原本做好了长期适配新平台与软件栈的准备，没想到这次只需要借助Claude就能快速完成部署。

工程师只需要向Claude下达了一句简单指令：让这台机器跑起来。等到周末结束回到工位，屏幕上已经出现了持续上涨的性能曲线，不仅成功启动了模型，还在一轮轮优化中不断提升表现。

Anthropic联合创始人兼首席计算官Tom Brown分享这个案例后，AMD的苏姿丰第一反应是让团队前去协助，结果却得知对方已经全部完成了适配工作。

这场周末实验很快升级为正式的部署计划。近期Anthropic宣布，将在AMD Helios系统中部署最高2GW的Instinct GPU，首批1GW的部署计划将于2027年上半年启动。同时双方还将合作使用Claude优化AMD工作负载，加速ROCm软件开发流程。

芯片开发迎来非人类开发者

Claude能够实现对CUDA生态的突破，离不开AMD专为AI开发的GPU调优工具。在AMD相关AI大会上发布的ROCm.AI，就是面向多类AI模型打造的全套GPU开发工具箱。

这套工具的入口是AMD Skills，其中整合了经过验证的ROCm专业知识。AI Agent可以直接调用这些知识，自主完成环境搭建、模型部署、日志读取、故障排查等工作，再通过ROCm CLI对接真实硬件。开发者只需要提出目标，剩下的适配流程都可以由Agent自主完成。

为了让AI能够更好地适配硬件，AMD甚至重新设计了芯片文档的编写方式。相关负责人透露，每一代AMD GPU都会公开指令集，并提供AI可读的格式文档。

AI Agent读懂这些文档后，就可以直接对GPU性能进行调优。AMD将这项工作交给了Hyperloom工具：它可以启动推理服务，先跑出性能基线，再定位CPU与GPU的性能瓶颈，测试不同配置组合，生成定制化内核，最后将优化后的方案重新运行验证。

在现场演示中，Hyperloom将MiniMax M3的输出速度提升了38%。AMD还让它一次性运行1.4万个模型，将测试结果沉淀为可复用的经验，供后续Agent直接调用。

目前AMD正在与多家前沿AI模型公司合作，训练专属的硬件适配能力，相关负责人将其描述为“让前沿模型天生精通AMD编程”。未来评估一款芯片的标准，将不再仅仅是峰值算力与显存带宽，AI能否读懂、调用并优化其性能，也将成为核心参数之一。芯片厂商需要争夺的开发者群体中，又多了一类新成员：AI Agent。

ASI带来的生态降维打击

CUDA生态从2006年发展至今，依靠的是无数工程师数十年的代码积累，从编译器、数学库、调试器到性能分析工具、开发文档，整套生态体系已经非常完善。更难以复制的，是一代代工程师沉淀下来的实操经验：如何调优算子、如何优化通信链路、如何分配显存、分布式部署的常见问题与解决方案，这些经验大多掌握在少数专家手中。

即便其他厂商能够推出性能相近的芯片，想要追赶CUDA的生态壁垒，也需要按年为单位重新搭建整套软件体系。芯片流片可以按季度推进，但生态积累却需要漫长的时间。

而AI Agent恰好填补了这一缺口。它可以自主读取平台文档、调用性能分析工具，定位性能瓶颈，自动完成代码修改、编译与测试。一个方案效果不佳就切换方向，跑分提升就沿着该路径继续优化。

培养一名顶级GPU工程师需要数年时间，而启动一个AI Agent只需要开启一个新任务。一名工程师可以同时调度多个Agent并行排查错误、定位瓶颈，一次跑通的配置、编写的内核以及踩过的坑，都可以快速成为后续Agent的优化起点。

将按年计算的生态追赶压缩为按任务推进的并行优化，这正是AI能力对CUDA生态的降维打击。如今，国内工程师已经站在这场AI改造GPU软件栈的最前线，他们沉淀的底层经验正在被整理为更多Agent可调用的知识。

追赶CUDA的全新起点已经出现：将硬件接口与软件工具交给AI，让Agent直接开工。20年的生态差距，第一次可以交给一群Agent昼夜不停地弥补。