一句话看懂:据 AIbase 报道,Anthropic 的 Claude Mythos 在几乎无人工干预的情况下,用 3 天完成 AMD MI355X 近 100% 的底层 kernel 代码适配,把通常需 6 至 12 个月的移植周期压缩到 72 小时,港口性能与 CUDA 优化方案的差距仅 8% 至 12%。
事件核心:发生了什么
这则发布于 2026 年 11 月 18 日的信息称,Claude Mythos 针对 AMD MI355X 芯片完成了低层内核代码的移植工作,实际测试中,移植后的模型性能与英伟达 CUDA 优化方案相差 8% 至 12%,已达到可商用部署的标准。作为配套动作,Anthropic 与 AMD 达成了最高 2 吉瓦的算力供应合作。
需要说明的是,目前公开信息显示,该成果主要覆盖推理预填充阶段,并未涉及超大规模分布式训练等更复杂的场景。
为什么重要
英伟达的优势不只来自芯片硬件,更来自 CUDA 软件生态多年积累的迁移成本。其他芯片厂商长期受制于适配周期长、高级工程师投入大,跨芯片迁移门槛居高不下。如果 Claude 写底层代码的效率能被复现,芯片适配的软件壁垒会被显著削低,算力供应链向更多元方向演进的阻力也会变小。
但这不等于 CUDA 格局已被颠覆。多 GPU 协同、超大规模分布式训练等环节,英伟达仍有明显积累,短期内生态格局不会因此彻底改写。
对用户/开发者/创作者的影响
对开发者和企业采购而言,信号在于非英伟达算力的迁移成本和评估周期可能下降,多芯片路线在推理场景中的性价比值得重新测算。对使用大模型 API 的团队,算力供给多元化通常有利于长期价格竞争,但短期价格是否变化,目前没有公开信息支撑。对创作者和普通用户,这类底层适配不会直接带来新功能,更多是间接影响模型调用成本与可用性。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是 Claude 的适配成果是否有可复现的评测数据,以及能否扩展到训练场景;二是 Anthropic 与 AMD 的 2 吉瓦算力合作如何落地、何时转化为可用服务;三是其他芯片厂商和开源工具链是否跟进类似的 AI 辅助移植方案。上述进展目前仍以原文信息为准,尚待更多独立验证。
来源:AIbase


