Anthropic 在向 IPO 投资者披露的材料里给出一个惊人数字:Claude Mythos Preview 用约三天时间完成了让模型在 AMD MI355X GPU 上运行的软件适配,基本无需人工介入。联合创始人、首席计算官 Tom Brown 介绍,这三天覆盖了单个模型提示词处理环节在 MI355X 上达到实用性能的全过程,模型自己移植或编写了其中将近百分之百的底层内核代码。同类工作过去需要数十名工程师耗费六到十二个月。
为什么这件事比跑分重要
把模型和芯片绑在一起的低层内核代码,长期被视为英伟达 CUDA 生态护城河的核心——不是别的芯片算不动,而是没人愿意花一年人力把算子一个个搬过去。如果这件事的成本从「一年 × 几十人」压缩到「三天 × 几乎零人」,护城河的性质就变了:从迁移成本问题,变成迁移意愿问题。谷歌 TPU 已能原生运行 PyTorch 构建的模型并在 Meta 生产环境落地,英伟达面对的挑战比以往任何时候都直接。
但「能跑」不等于「划算」
Anthropic 目前已在英伟达 GPU、AMD GPU、谷歌 TPU 与 AWS Trainium 上运行自家模型,整个算力集群作为统一资源池调度,Brown 称早期多芯片并行是一次非常规押注。需要分清的是:三天跑通证明的是工程可行性,单位 token 成本、算子覆盖率、长尾场景的精度损失仍要逐项验证——适配完成后,性价比才是决定迁不迁的那道题。
当适配时间以天计,硬件选型就从「婚约」降级成了「租约」。
这件事还有一层容易被忽略的含义:它是由一个 IPO 招股流程披露出来的。Anthropic 需要向投资人证明自己不依赖单一供应商,于是把多芯片调度的细节摆上了台面——上市压力正在替监管逼出 AI 公司的供应链透明度,这可能是这轮 IPO 潮里最被低估的副产品。