Der 20 Jahre lange Wettbewerbsgraben von CUDA bricht innerhalb eines einzigen Wochenendes zusammen, und Claude hat die neue AMD-GPU völlig selbstständig erfolgreich zum Laufen gebracht.

Mit einem einzigen Satz und einem einzigen Wochenende hat Claude das modernste Modell des eigenen Unternehmens direkt auf einem brandneuen AMD MI355X-Rack ausgeführt!

Die menschlichen Ingenieure haben während des gesamten Prozesses keine einzige Zeile Code manuell geändert.

Wer hätte gedacht, dass der CUDA-Wassergraben, den Nvidia über 20 Jahre lang aufgebaut hat, auf diese Weise überwunden wird.

Innerhalb eines Wochenendes hat Claude die neue AMD-GPU zum Laufen gebracht

Die Geschichte geht so.

Vor einiger Zeit hat Anthropic von AMD ein Rack mit einer MI355X erhalten.

Nach der Prüfung des Geräts war das Team bereits darauf vorbereitet, eine harte Arbeit zu leisten. Eine neue Plattform mit einem neuen Software-Stack erfordert zwangsläufig eine neue Runde der Anpassung.

Glücklicherweise verfügt Anthropic über Claude.

Das Team hat kurzerhand einen Ingenieur gebeten, es auszuprobieren: Er hat Claude mit dem Gerät verbunden und ihm den Befehl gegeben: „Los, bring dieses Gerät zum Laufen.“

Als sie am Ende des Wochenendes an ihre Arbeitsplätze zurückkehrten, zeigte der Bildschirm bereits eine stetig steigende Leistungskurve – das Modell lief nicht nur, sondern die Leistung wurde in aufeinanderfolgenden Runden ständig verbessert.

Nachdem Tom Brown, Mitbegründer und Chief Computing Officer von Anthropic, diese Geschichte erzählt hatte, ergriff Lisa Su sofort das Wort:

Als sie erfuhr, dass nur ein einziger Ingenieur bei Anthropic an der MI355X arbeitete, war ihre erste Reaktion, das AMD-Team zu bitten, sofort Hilfe zu leisten.

Das Team kam jedoch zurück und berichtete ihr, dass die Gegenseite sagte, es sei nicht nötig – alles sei bereits erledigt.

Bald darauf wurde dieses Wochenende-Experiment in einen echten Bereitstellungsplan überführt.

Kürzlich hat Anthropic angekündigt, bis zu 2 GW an Instinct-GPUs im AMD Helios-System einzusetzen, wobei die erste 1 GW-Tranche im ersten Halbjahr 2027 in Betrieb genommen werden soll.

Darüber hinaus werden beide Seiten Claude direkt nutzen, um AMD-Workloads zu optimieren und die Entwicklung der ROCm-Software zu beschleunigen.

Die Chip-Bedienungsanleitung bekommt einen nicht-menschlichen Leser

Dass Claude eine „dimensionsreduzierte Angriff“ auf das CUDA-Ökosystem durchführen konnte, liegt daran, dass AMD direkt eine Reihe von Tools für die KI entwickelt hat, mit denen man GPUs direkt anpassen kann.

ROCm.AI, das auf der Konferenz AMD Advancing AI 2026 vorgestellt wurde, ist ein komplettes GPU-Toolkit, das für Claude, Codex und Cursor entwickelt wurde.

Der Zugang heißt AMD Skills und enthält ausschließlich überprüftes ROCm-Wissen.

Nachdem der Agent dieses Wissen erhalten hat, kann er selbst die Umgebung einrichten, Modelle bereitstellen, Protokolle lesen, Fehler beheben und dann über die ROCm CLI auf echte Geräte zugreifen. Der Entwickler gibt das Ziel an, und der Agent findet den restlichen Weg selbst.

Wichtig ist: AMD hat sogar die Art und Weise geändert, wie Chip-Bedienungsanleitungen verfasst werden.

Anush Elangovan, Vice President of AI Software and Solutions bei AMD, hat vor Ort mitgeteilt, dass jede Generation von AMD-GPUs ihren Befehlssatz offenlegt und eine KI-lesbare ISA bereitstellt.

Nachdem der Agent das Handbuch verstanden hat, kann er direkt die Leistung anpassen.

AMD hat diesen Teil der Arbeit an Hyperloom übergeben. Es startet Inferenzdienste, erstellt zuerst eine Baseline, sucht dann nach Engpässen bei CPU und GPU, testet verschiedene Konfigurationen, generiert angepasste Kerne und führt schließlich das neue Schema erneut aus.

In der Live-Demo hat Hyperloom die Ausgabegeschwindigkeit von MiniMax M3 um 38 % verbessert. AMD ließ es außerdem 14.000 Modelle auf einmal ausführen, um die Testergebnisse zu Erfahrungen zu machen, die beim nächsten Mal direkt wiederverwendet werden können.

AMD trainiert diese Fähigkeit gemeinsam mit Unternehmen für Spitzenmodelle. Elangovans Originalzitat ist sehr interessant: Lassen Sie Spitzenmodelle „von Natur aus AMD-Programmierung beherrschen“.

In Zukunft sind bei einem Chip die Spitzenrechenleistung und die Speicherbandbreite natürlich wichtig – aber ob die KI ihn verstehen, aufrufen und seine Leistung herausholen kann, wird ebenfalls in der gleichen Parameterliste aufgeführt.

Die Entwickler, um die Chip-Unternehmen konkurrieren müssen, haben jetzt eine neue Kategorie: Agenten.

Dimensionsreduzierte Angriff von ASI

CUDA hat sich von 2006 bis heute durch das Ökosystem entwickelt, das unzählige Ingenieure Zeile für Zeile erstellt haben.

Compiler, Mathematikbibliotheken, Debugger, Leistungsanalysetools, Entwicklungsdokumentation – alles ist vorhanden.

Noch schwieriger zu kopieren ist das Gespür, das Generationen von Ingenieuren angesammelt haben.

Wie man Operatoren anpasst, wie die Kommunikation beschleunigt wird, wie der Speicher zugewiesen wird und wo bei verteilten Bereitstellungen am häufigsten Probleme auftreten – all diese Erfahrungen sind im Kopf weniger Experten gespeichert.

Selbst wenn Nachzügler Chips mit annähernd gleicher Leistung herstellen, müssen sie diesen langen Weg der Softwareentwicklung von Grund auf neu gehen. Die Chip-Herstellung kann quartalsweise vorangetrieben werden, aber der Aufbau des Ökosystems kann nur jahrelang voranschreiten.

Genau diese Lücke füllen die Agenten.

Sie lesen die Plattformdokumentation, rufen Leistungsanalysetools auf, finden heraus, wo die Geschwindigkeit hängt, ändern dann den Code, kompilieren und testen. Wenn ein Schema keine Wirkung zeigt, wird das nächste ausprobiert; wenn die Benchmark-Ergebnisse besser werden, wird die Optimierung in dieser Richtung fortgesetzt.

Die Ausbildung eines erstklassigen GPU-Ingenieurs durch Menschen dauert Jahre, aber das Starten eines weiteren Agenten erfordert nur das Öffnen einer neuen Aufgabe.

Ein Ingenieur, der eine Gruppe von Agenten freisetzt, kann Fehler parallel untersuchen und Leistungsengpässe lokalisieren. Konfigurationen, die einmal funktionieren, geschriebene Kerne und gesammelte Fehlererfahrungen können sofort zum Ausgangspunkt für die nächste Gruppe von Agenten werden.

Die jahrelange Verzögerung bei der Aufholjagd wird zu einer Aufgabe-basierten Verzögerung komprimiert – das ist der wertvollste Vorteil von KI. Das ist auch der dimensionsreduzierte Angriff der ASI-Fähigkeit auf das CUDA-Ökosystem.

Heute stehen chinesische Ingenieure an der vordersten Front dieser KI-gesteuerten Umgestaltung des GPU-Software-Stacks, und ihre angesammelten tiefgreifenden Erfahrungen werden in Fähigkeiten umgewandelt, die von mehr Agenten aufgerufen werden können.

Ein neuer Ausgangspunkt für die Aufholjagd bei CUDA ist entstanden: Übergeben Sie Hardwareschnittstellen und Softwaretools an KI und lassen Sie die Agenten direkt loslegen.

Die 20-jährige Ökosystem-Lücke kann zum ersten Mal von einer Gruppe von Agenten Tag und Nacht verkleinert werden.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „New Wisdom“, Autor: ASI Offenbarung, veröffentlicht mit Genehmigung von 36Kr.