A história começa com a AMD entregando à Anthropic um rack equipado com GPUs MI355X.
Por convenção, uma plataforma nova significa meses de adaptação manual da pilha de software. A equipe da Anthropic se preparou para uma longa batalha.
Mas eles tinham o Claude à mão. Um engenheiro conectou a máquina e deu uma única instrução: “Vai. Faça essa máquina funcionar.”
Quando o fim de semana acabou, o engenheiro voltou e encontrou na tela uma curva de desempenho que não parava de subir. O Claude não tinha apenas colocado o hardware para funcionar — estava otimizando o desempenho, rodada após rodada, por conta própria. O humano não escreveu uma única linha de código.
Essa é a história que Tom Brown, cofundador da Anthropic e diretor de computação, contou no palco do AMD Advancing AI 2026. Lisa Su, sentada ao seu lado, deu continuidade: quando soube que apenas um engenheiro da Anthropic cuidava da MI355X, seu primeiro instinto foi enviar a equipe da AMD para ajudar. Sua equipe voltou relatando que a oferta foi recusada — tudo já estava resolvido.
O fosso do CUDA que a NVIDIA levou 20 anos para construir foi atravessado por um modelo de IA em um único fim de semana.
Não foi sorte — a arquitetura de adaptação de chips mudou
O feito do Claude não foi mágica da Anthropic. Ele decorreu da reformulação da AMD em como os chips são adotados. No mesmo evento, a AMD lançou o ROCm.AI — um kit de ferramentas de GPU projetado para agentes de IA. O principal ponto de entrada, o AMD Skills, empacota conhecimento verificado do ROCm: um agente equipado com ele pode instalar ambientes, fazer deploy de modelos, ler logs e diagnosticar falhas por conta própria, chamando o hardware real por meio da CLI do ROCm. O desenvolvedor define o objetivo; o agente encontra o caminho.
O detalhe mais importante: a AMD mudou a forma de escrever o manual. A VP de software e soluções de IA da empresa, Anush Elangovan, revelou no palco que cada geração de GPU da AMD publica seu conjunto de instruções junto com uma ISA legível por IA. Assim que um agente lê a documentação, ele pode começar a otimizar o desempenho diretamente.
Pela primeira vez, chips têm um público leitor que não é humano.
A otimização automatizada fica a cargo do Hyperloom: ele sobe serviços de inferência, estabelece uma linha de base, caça gargalos de CPU e GPU, testa configurações, gera kernels personalizados e repete todo o processo. Na demonstração ao vivo, ele aumentou a velocidade de saída do MiniMax M3 em 38%. A AMD também o executou sobre 14.000 modelos em uma única passada, registrando os resultados como experiência reutilizável para a próxima rodada. E a AMD está treinando essa capacidade com os próprios laboratórios de fronteira — nas palavras de Elangovan, tornando os modelos de fronteira “nativamente fluentes em programação AMD”.
O experimento de fim de semana virou um pedido de US$ 5 bilhões
O experimento se conectou imediatamente a um deploy real. Em 22 de julho, a AMD e a Anthropic anunciaram uma parceria estratégica: a AMD investirá até US$ 5 bilhões na Anthropic e fará disponível até 2GW de GPUs Instinct da série MI450 para executar o Claude, com o primeiro gigawatt previsto para o primeiro semestre de 2027. Além do dinheiro, as duas empresas usarão o Claude diretamente para otimizar as cargas de trabalho da AMD e acelerar o desenvolvimento do ROCm, e as equipes de engenharia e produto da AMD adotarão o Claude de forma ampla.
O significado do acordo supera seu tamanho: a pilha de computação do Claude agora abrange quatro fornecedores — NVIDIA, TPU do Google, Trainium da AWS e, agora, Instinct da AMD. A Anthropic não está mais presa a um único fornecedor de silício.
Como a própria IA desmontou o fosso do CUDA
O fosso do CUDA, construído desde 2006, é um ecossistema codificado linha por linha por incontáveis engenheiros: compiladores, bibliotecas matemáticas, depuradores, profilers, documentação — tudo presente e contabilizado. Mais difícil de copiar é a intuição acumulada de gerações de engenheiros: como otimizar operadores, acelerar a comunicação, alocar memória, onde os deploys distribuídos quebram. Esse conhecimento vive trancado em algumas milhares de cabeças de especialistas. Um novato pode construir um chip com silício comparável em alguns trimestres, mas a trilha de software leva anos para ser percorrida.
Os agentes preenchem exatamente essa lacuna. Eles leem a documentação da plataforma, chamam ferramentas de profiling, descobrem onde a velocidade está presa e, então, editam o código, compilam e testam. Uma abordagem que falha é trocada pela próxima; um benchmark melhor é explorado mais a fundo. Formar um engenheiro de GPU de ponta leva anos; subir mais um agente leva apenas uma nova tarefa. Um único engenheiro pode soltar um enxame de agentes para depurar erros e localizar gargalos em paralelo — e cada configuração que funciona, cada kernel escrito, cada armadilha encontrada se torna o ponto de partida para o próximo lote.
Comprimir uma perseguição de anos em um custo por tarefa — esse é o golpe estrutural da IA nos ecossistemas tradicionais de chips.
A lista de desenvolvedores acaba de ganhar uma nova classe: agentes
As implicações vão muito além de uma parceria. Ao avaliar um chip, pico de computação e largura de banda de memória ainda importam — mas “a IA consegue lê-lo, operá-lo e otimizar seu desempenho” agora pertence à mesma folha de especificações.
Para a AMD, esta é uma ultrapassagem clássica por fora. O fosso do CUDA foi digitado por engenheiros humanos, e a IA não precisa re-percorrer esses 20 anos. Se os agentes podem ler o manual, otimizar diretamente e produzir configurações reutilizáveis, o déficit da AMD nunca foi tempo — era tornar seu silício legível para a IA.
Para a indústria, a competição ganhou uma dimensão: a guerra de ecossistemas muda de “quem tem mais desenvolvedores” para “quem permite que a IA desenvolva melhor”. Os fabricantes de chips agora cortejam uma segunda classe de desenvolvedor — o agente.
Engenheiros chineses já estão na linha de frente dessa reconstrução da pilha de software de GPUs impulsionada por IA, e sua experiência de baixo nível acumulada está sendo empacotada em capacidades que mais agentes podem invocar. A nova linha de largada na perseguição ao CUDA está aqui: entregar as interfaces de hardware e as ferramentas de software à IA, e deixar os agentes trabalharem.
Pela primeira vez, uma diferença de ecossistema de 20 anos pode ser entregue a um enxame de agentes trabalhando sem parar para fechá-la.
Referências:
-
Synced/36Kr: “O fosso de 20 anos do CUDA desabou em um fim de semana — Claude fez o port da nova GPU da AMD sozinho”
-
Press release da AMD: “AMD and Anthropic Announce Strategic Partnership”
-
Cobertura do The Next Web
-
Análise do Digital Applied
