Anthropic在AMD今年的Advancing AI大会上不仅官宣了算力部署计划，还披露了一个可能改写AI芯片竞争规则的技术细节：其工程师仅用Claude模型在一个周末内自动完成了AMD Instinct MI355芯片与ROCm平台的全套适配与性能调优。

Anthropic高管Tom Brown在大会上公开表示，公司计划部署2GW的AMD Helios算力设施，并明确青睐MI355芯片。这一表态将此前市场上的合作传闻升级为高管层面的正式确认。AMD官方账号随后转发了包含Tom Brown表态的第三方推文，配文感谢其参会。

更具冲击力的是Brown披露的适配过程。团队原本预期在新硬件上启动模型会是“一个大项目”，但实际体验完全不同：一名工程师让Claude执行适配任务后让流程在周末自行运转，周一便拿到了Anthropic领先模型在该硬件上“周末期间持续攀升”的实际性能曲线。整个过程仅涉及一名工程师和一台AMD提供的机架。

市场观察者随即评论称：“我们已过了CUDA护城河时代。”对投资者而言，这一突破意味着AI算力供应链的硬件锁定逻辑正在遭遇来自AI自身能力的反向冲击。当AI自身能够替代工程师完成硬件迁移中最昂贵的人力环节时，英伟达CUDA生态最根本的护城河——高昂的迁移成本正在被AI从根基上侵蚀。

从传闻到官宣：Anthropic的AMD部署浮出水面 此前市场对Anthropic与AMD合作的认知仅停留在行业推测层面。Tom Brown在AMD技术大会上的公开站台，将合作可信度从间接信号拉升至正式确认的高度。2GW的部署规模意味着AMD芯片在Anthropic的算力体系中扮演实质性角色，而非象征性采购。

作为ARR已达470亿美元、估值9650亿美元、已正式提交IPO申请文件的AI巨头，Anthropic正积极构建多元化算力供给体系——此前已从谷歌采购芯片及云服务，与SpaceX签署近450亿美元合作协议，并与Akamai达成18亿美元协议。AMD的正式加入进一步丰富了其算力来源。

AI自举硬件适配：CUDA壁垒的“阿喀琉斯之踵” 比订单规模更具长期冲击力的是Anthropic展示的AI自动化适配能力。传统上，将大模型迁移至新硬件平台需要大量工程师手动完成底层算子适配、性能调优和稳定性验证——这构成了英伟达CUDA生态壁垒的核心来源。开发者对CUDA的依赖不仅是技术惯性，更是迁移成本决定的：换平台意味着投入数月甚至数年的工程资源。

但当Claude在一个周末内完成整套适配流程时，这一逻辑的根基开始松动。Brown的描述清晰直白：一名工程师启动Claude，“让它把机器跑起来”，然后流程在周末自行运转。到周一，团队拿到的是一张性能曲线“持续攀升”的图表。

为何这一信号对AI芯片格局具有实质性含义 市场对英伟达的定价中，CUDA生态壁垒是核心溢价支撑。这一壁垒的本质不是技术的不可替代性，而是生态迁移的“人力成本壁垒”——即使竞争对手的硬件性能追平，企业仍需投入大量工程师重新适配软件栈，这笔沉没成本本身就是最高的切换门槛。

AI自动化适配直接攻击的正是这道壁垒的成本侧。如果前沿实验室可以借助自家AI模型在数天内完成新硬件的适配与优化，硬件采购决策将更多取决于性能、价格和供应可得性，而非生态锁定。用分析师Austin Lyons的话来说：“我们已过了CUDA护城河时代。”

对Anthropic而言，这一能力赋予其算力采购策略更大的灵活性。SemiAnalysis最新分析指出，Anthropic的推理基础设施毛利率已从38%跃升至逾70%，并在第二季度实现营业利润盈利。将AMD纳入算力供应商体系，不仅分散了供应链风险，也为急剧膨胀的推理需求提供了更具性价比的硬件选项。

对AMD而言，获得Anthropic这一前沿实验室的正式部署承诺，是其数据中心GPU路线图的关键验证。而AI自动化适配工具的加持，降低了更多潜在客户尝试AMD平台的工程门槛——这可能是比单一订单更具长期价值的战略资产。SemiAnalysis分析师指出，Anthropic此前在编程数据上的激进投入使其模型能力领先，而今这种能力正在反向赋能其自身的硬件选择自由度。