Claude adaptou o código do kernel da AMD MI355X em apenas 3 dias, reduzindo o ciclo de 6 a 12 meses para 72 horas, com uma diferença de desempenho de apenas 8%-12% em relação à solução CUDA.Autor do artigo, fonte: AIBase
O cenário competitivo no hardware de inteligência artificial e na ecossistema de software de base está passando por um movimento estrutural profundo. Recentemente, circulou uma notícia impactante no setor: o Claude Mythos, da Anthropic, concluiu em apenas 3 dias, e quase sem intervenção humana, a escrita de quase 100% do código de núcleo de baixo nível do chip AMD MI355X.
Essa evolução inovadora reduziu drasticamente o ciclo de adaptação de chips, que anteriormente exigia de 6 a 12 meses de trabalho de dezenas de engenheiros sênior, para apenas 72 horas. Com testes reais, o desempenho do modelo portado mantém uma diferença de apenas 8% a 12% em relação à solução otimizada da NVIDIA CUDA, atendendo plenamente aos padrões para implementação comercial.
A barreira de entrada para chips foi significativamente reduzida, e a cadeia de suprimentos de poder de processamento está enfrentando uma mudança diversificada
Por muito tempo, a razão pela qual a NVIDIA conseguiu dominar absolutamente o mercado de capacidade de computação para inteligência artificial não foi apenas o desempenho de hardware dos chips, mas sim a barreira construída ao longo dos anos: o ecossistema de software CUDA, montado por inúmeros engenheiros através de código. Para outras fabricantes de chips, os altos custos de adaptação e os longos ciclos de portabilidade de software sempre foram um abismo difícil de atravessar.
A alta eficiência do Claude na escrita do código de baixo nível abriu uma brecha nas barreiras de software da NVIDIA, reduzindo significativamente a barreira para a adaptação entre chips. Com base nesse avanço tecnológico, a Anthropic já estabeleceu uma parceria com a AMD para fornecimento de capacidade de processamento de até 2 gigawatts.
Strengths and limitations coexist:Multi-GPU collaboration remains a future focus
Embora esta ruptura técnica tenha causado grande impacto no setor, várias análises mantiveram uma perspectiva objetiva e racional.
Do ponto de vista das aplicações, essa ruptura atualmente abrange principalmente a etapa de pré-preenchimento de inferência. Em áreas de alta complexidade, como o treinamento distribuído em larga escala com coordenação entre múltiplos GPUs, a NVIDIA mantém uma vantagem clara graças ao seu profundo conhecimento técnico. Portanto, esse avanço não revolucionou imediatamente o ecossistema CUDA, mas certamente introduziu incertezas no mercado de poder de computação, impulsionando a indústria global de computação rumo a uma evolução mais aberta e diversificada.


