一个周末，Claude 自己把自己跑上了 AMD 新 GPU
故事要从 AMD 给 Anthropic 送去一台搭载 MI355X 的机架说起。
按照惯例，新平台配新软件栈，至少需要几个月的手动适配。Anthropic 团队已经做好了打硬仗的准备。
但他们手里正好有 Claude。
团队让一名工程师试了试：把 Claude 接上机器，丢给它一句话——「去，把这台机器跑起来。」
周末结束，工程师回到工位，屏幕上已经多出一条持续上涨的性能曲线。Claude 不仅跑起来了，性能还在自己一轮轮地往上调。
人类工程师全程没动过一行代码。
这是 AMD Advancing AI 2026 大会上，Anthropic 联合创始人兼首席计算官 Tom Brown 亲口讲的故事。旁边的苏姿丰听完接过话：听说 Anthropic 只有一名工程师在处理 MI355X，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。
英伟达花了 20 年堆起的 CUDA 护城河，就这样被一个 AI 模型在一个周末跨了过去。
不是偶然，是架构变了
Claude 之所以能做到这件事，不是因为 Anthropic 有什么黑魔法，而是因为 AMD 从根本上改变了芯片适配的方式。
在 Advancing AI 2026 大会上，AMD 发布了 ROCm.AI——一套专门为 AI Agent 设计的 GPU 工具箱。核心入口叫 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。
划重点：AMD 连芯片说明书的写法都改了。
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（指令集架构）。Agent 在读懂手册之后，就能直接上手调性能。
芯片的读者，第一次变成了非人类。
AMD 把自动调优的工作交给了 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。现场演示中，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」。
这次实验，变成了一张 50 亿美元的订单
那个周末的实验，迅速接上了真正的部署计划。
7 月 22 日，AMD 与 Anthropic 宣布达成战略合作：AMD 将投资高达 50 亿美元 给 Anthropic，并部署高达 2GW 的 AMD Instinct MI450 系列 GPU 用于运行 Claude。首批 1GW 计划于 2027 年上半年启动。
不仅如此，双方还会直接使用 Claude 来优化 AMD 工作负载，加速 ROCm 软件开发。AMD 的工程和产品开发团队也将「广泛采用」Claude。
这笔交易的意义远超投资金额本身——它意味着 Claude 的算力栈正式实现了 四厂商覆盖：NVIDIA、Google TPU、AWS Trainium，现在加上 AMD Instinct。Anthropic 不再被任何一家芯片厂商锁定。
CUDA 的护城河，到底怎么被 AI 自己拆掉的？
CUDA 从 2006 年走到今天，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——这就是 AI 对传统芯片生态的降维打击。
芯片公司要争取的开发者，多了一类：Agent
这件事带来的启示，远远超出一家公司的商业合作。
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。
对于 AMD 来说，这是一个弯道超车的绝佳机会。CUDA 生态的护城河是人类工程师一行行码出来的，但 AI 不需要重走那 20 年。如果 Agent 能直接读懂芯片说明书、直接上手调优、直接产出可复用的配置，那么 AMD 缺的不是追赶 CUDA 的时间，而是让 AI 能读懂自己芯片的能力。
对于整个行业来说，这意味着芯片竞争正在进入一个新的维度：生态之争从「谁有更多的开发者」变成了「谁能让 AI 更好地开发」。芯片公司要争取的开发者，现在多了一类——Agent。
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。
参考来源：
- 新智元/36氪：《CUDA 20年护城河一个周末崩了，Claude独自跑通AMD新GPU》
- AMD 官方新闻稿：《AMD and Anthropic Announce Strategic Partnership》
- The Next Web 报道
- Digital Applied 分析文章