一句话看懂：Anthropic 在投资者演示中称，其前沿模型 Mythos 在三天内自动完成了 Claude 向 AMD GPU 的内核移植，远快于传统工程团队通常所需的六到十二个月。若数据成立，Nvidia 的 CUDA 软件壁垒可能被 AI 自身显著侵蚀。
事件核心：发生了什么
据 The Decoder 2026 年 11 月 11 日报道，Anthropic 联合创始人兼首席算力官 Tom Brown 表示，公司已用多芯片策略摆脱对 Nvidia 的单一依赖，同时把 Claude 的训练和推理跑在 AWS Trainium、Google TPU、Nvidia GPU 和 AMD GPU 四大芯片家族上，并视为一个可互换的算力池。最具体的测试是 AMD MI355X GPU：Anthropic 让自研前沿模型 Mythos 负责移植，Claude 在约三天内运行起来，几乎无人工介入，Mythos 自行编写或移植了近 100% 的内核（kernel）。这些数字来自 Anthropic 的投资者演示，尚未获独立验证。
为什么重要
Nvidia 最强的护城河是 CUDA 软件生态，换芯片架构通常需要大量工程师数月投入，许多公司因此不愿迁移。Anthropic 的案例表明，AI 模型本身可以承担部分底层移植工作，把“软件迁移成本”从数月压缩到数天量级。这会改变算力市场的议价逻辑：企业能更容易按性价比在训练和推理场景间切换供应商，而 Nvidia 在 AI 芯片上超过 70% 的毛利率也可能承受更大压力。不过目前公开信息显示，这仅是一家公司的自述，不能据此判断 CUDA 壁垒已经崩塌。
对用户/开发者/创作者的影响
对开发者而言，多芯片兼容一旦成熟，调用大模型 API 的成本和供应风险有望下降；对企业和创作者，模型训练与推理更可能按任务选择最便宜或最易得的硬件，而不是被单一生态锁定。但短期内，CUDA 仍是主流开发路径，跨芯片工具链的稳定性、调试体验和社区支持仍是实际门槛。Anthropic 同时推进“Anthropic Direct”自建数据中心，以租赁芯片方式降低总拥有成本，这也会影响其 API 定价空间。
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 Anthropic 是否公开可复现的基准数据，验证三天迁移的性能水平；二是 Nvidia 和 AMD 是否跟进类似 AI 辅助移植工具，改变软件栈竞争方式；三是其他前沿实验室是否采用同类多芯片策略，以及这对 GPU 价格和云算力合同的实际影响。
