Claude 一个周末跑通 AMD 新 GPU，2GW 部署计划落地

AMD 与 Anthropic 在 AMD Advancing AI 2026 大会上联合披露了一项关键进展：Anthropic 旗下 Claude 在几乎没有人工改代码的情况下，仅用一个周末就在一台全新的 AMD MI355X 机架上跑通了自家前沿模型，并在随后数轮迭代中持续拉高性能曲线。围绕这次「Agent 调通新硬件」的验证，双方同步宣布了最高 2GW 的 Instinct GPU 部署计划，以及面向 AI Agent 的 ROCm.AI 工具集，目标是让 GPU 软件栈的开发节奏从「按年算」压缩到「按任务算」。

一个周末，Claude 跑通 AMD 新硬件

故事起点是 AMD 向 Anthropic 送来的一台搭载 MI355X 的机架。按照常规路径，新平台配新软件栈，团队原本预期要打一场适配硬仗。但 Anthropic 换了一种思路：只派出一名工程师，把 Claude 接上机器，给它一句「把这台机器跑起来」，然后等周末结束再看结果。

回到工位时，屏幕上已多出一条持续上涨的性能曲线——不仅跑通了，性能还在一轮轮自我迭代中持续提升。Anthropic 联合创始人兼首席计算官 Tom Brown 在 AMD 大会现场复述了这件事情。苏姿丰听到「只有一名工程师」时，第一反应是让 AMD 团队立刻前去支援；团队回来汇报后得到的答复是「不用，已经全部搞定了」。

这次周末实验很快被接到正式部署计划上。Anthropic 宣布将在 AMD Helios 系统中部署最高 2GW 的 Instinct GPU，首批 1GW 计划于 2027 年上半年启动。同时，双方将直接使用 Claude 优化 AMD 工作负载，加速 ROCm 软件开发。

ROCm.AI：给 Agent 用的 GPU 工具箱

Claude 能够对 CUDA 生态形成「降维打击」的前提，是 AMD 把 GPU 软件栈重新做成了 Agent 友好型。在 AMD Advancing AI 2026 大会上发布的 ROCm.AI，就是一套为 Claude、Codex、Cursor 等 Agent 准备的 GPU 工具集合。

入口是 AMD Skills，里面沉淀了经过验证的 ROCm 知识。Agent 拿到这些知识后，可以自行安装环境、部署模型、读日志、排查故障，并通过 ROCm CLI 直接操作真实机器。开发者只需说出目标，剩下的路径由 Agent 自己寻找并执行。

更值得注意的是芯片文档本身的改写。AMD AI 软件与解决方案副总裁 Anush Elangovan 在现场透露，每一代 AMD GPU 都会公开指令集，并提供 AI 可读的 ISA。Agent 在读懂手册之后，就能直接上手做性能调优。AMD 把这部分自动化交给名为 Hyperloom 的组件：它会拉起推理服务，先跑出基线，再定位 CPU 与 GPU 瓶颈，测试不同配置，生成定制内核，最后把新方案重新跑一遍验证。

现场演示中，Hyperloom 把 MiniMax M3 的输出速度提升了 38%，并一次性跑过 1.4 万个模型，把测试结果沉淀为下一次可直接复用的经验。Elangovan 用一句话概括了 AMD 的方向：让前沿模型「天生会说 AMD 编程」。这意味着，未来评估一块芯片时，AI 能不能读懂它、调用它、把性能调出来，将与峰值算力、显存带宽一起被摆上参数表。芯片公司要争取的开发者群体，也因此多了一类：Agent。

Agent 改写 GPU 生态追赶节奏

CUDA 自 2006 年发展至今，构筑护城河的不只是编译器、数学库、调试器与性能分析工具，更是一代代工程师用经验堆出来的「手感」：算子怎么调、通信怎么提速、显存怎么分配、分布式部署哪里最容易出问题，这些知识长期沉淀在少数专家的脑子里。后来者即便造出性能接近的硬件，也必须把这条软件长路从头走一遍——芯片流片可以按季度推进，生态积累却只能按年去熬。

Agent 补上的正是这一段。它会读平台文档、调用性能分析工具、找到瓶颈所在，再改代码、编译、测试；一个方案无效就换下一个，性能变好就沿此方向继续优化。培养一名顶级 GPU 工程师需要按年计算的成本，在 Agent 模式下被压缩为按任务计算——一名工程师放出一群 Agent，就能并行排查报错、定位瓶颈，跑通的配置与踩过的坑会立刻成为下一批 Agent 的起点。

围绕这一变化，文章提到中国工程师正站在这场 AI 改造 GPU 软件栈的前线，底层经验也在被陆续整理为更多 Agent 可调用的能力。在硬件接口与软件工具逐步交由 AI 处理的背景下，20 年的 CUDA 生态差距，第一次有了被一群 Agent 昼夜不停追赶的现实路径。