11 月 11 日，Anthropic 在 IPO 路演材料中披露，其 Claude Mythos Preview 模型只用了大约 3 天时间，就摸索出如何让模型在 AMD MI355X GPU 上跑起来。作为对照，为一个新计算平台完成推理适配，传统做法往往需要 6 至 12 个月。Anthropic 首席计算官 Tom Brown 表示，公司现在在四大主流芯片家族上训练和运行 Claude。
用模型自己绕开编译与适配
换算力平台的成本主要在软件栈。每种芯片都需要定制的推理栈、算子实现与调试流程，Anthropic 早在多数同行认为不值得投入时就押注了多芯片策略，这次公开的 3 天记录，是这条路线第一次有清晰的时间刻度。Anthropic 联合创始人 Tom Brown 在材料中把多芯片称为一次非常规下注，认为 GPU 正逐渐像可以互相替换的通用算力资源。对模型厂商来说，硬件选择权直接关系到采购议价能力与供给紧张时的调度余量。
CUDA 的护城河没有塌，但坡变缓
CUDA 的优势从来不只是软件本身，它背后还有规模庞大的开发者生态、丰富的函数库与多年积累的工具链，英伟达这些年还通过向高校与科研机构免费提供 GPU 与培训资源持续加固这层黏性，并通过 NCCL 通信库把多卡协同与 NVLink、InfiniBand 等专有硬件深度绑定，抬高了迁移成本。Anthropic 的 3 天记录说明迁移的门槛在下降，但要说生态优势已经失效仍然太早。真正值得留意的是速度差本身，当适配周期从半年压缩到三天，硬件迭代节奏与模型迭代节奏之间的耦合开始松动，跨平台推理的成本结构随之改变。站内谷歌 TPU 8tx 与 8i Max 的自研算力路线也在同一盘棋上。
延伸阅读
- 美股 AI 股灾：标普500跌4.35% 纳指重挫5%6 天前
- OpenAI 模型上谷歌云：GPT-6 Astra 等 3 款进 Model Garden3 周前
- 美国银行聘千名外包修漏洞：Anthropic Mythos模型已发现数百万行代码缺陷4 周前
- 加州AG向OpenAI发出调查传票：FTC+15州三线围剿，GPT-6.1 Astra被迫撤回1 月前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- 英伟达 GR00T 2 发布：40 万小时视频训练 玩具装配成功率 97%2026-11-11
- Anthropic 撤回 693 亿美元 IPO 备案：定价细节有误2026-11-10
- 台积电 10 月营收 5868.9 亿新台币：同比增长 59.7%2026-11-10