Claude адаптировал код ядра AMD MI355X всего за 3 дня, сократив цикл с 6–12 месяцев до 72 часов, при этом производительность отличается от решения CUDA всего на 8–12%.Автор статьи, источник: AIBase
Конкуренция в сегменте аппаратного обеспечения для искусственного интеллекта и экосистемы базового программного обеспечения переживает глубокую структурную трансформацию. Недавно в отрасли появилась важная новость: Claude Mythos от Anthropic за три дня и практически без участия человека успешно написал почти 100% базового кода ядра для чипа AMD MI355X.
Этот прорыв сократил цикл адаптации чипов, который ранее требовал от десятков опытных инженеров 6–12 месяцев, до всего 72 часов. По результатам реальных тестов, производительность перенесённой модели отличается от оптимизированного решения NVIDIA CUDA всего на 8–12%, что полностью соответствует требованиям коммерческого внедрения.
Барьеры между чипами значительно снижены, и цепочка поставок вычислительных мощностей переживает диверсификацию
На протяжении долгого времени ключевым барьером, позволившим NVIDIA занять абсолютное доминирующее положение на рынке вычислительных мощностей для искусственного интеллекта, стала не просто аппаратная производительность чипов, а многолетняя экосистема программного обеспечения CUDA, построенная тысячами инженеров с помощью кода. Для других производителей чипов высокая стоимость адаптации и длительный цикл переноса программного обеспечения остаются непреодолимыми пропастями.
Высокая эффективность Claude в написании базового кода прямо проломила программный барьер NVIDIA, значительно снизив барьеры для адаптации между чипами. На основе этого технологического прорыва Anthropic уже заключила соглашение с AMD о поставке вычислительных мощностей до 2 гигаватт.
Преимущества и ограничения сосуществуют:Совместная работа нескольких карт остается ключевым направлением будущего
Despite the significant impact this technological breakthrough has had on the industry, multiple analyses have maintained an objective and rational perspective.
С точки зрения применения, это прорывное достижение в настоящее время в основном охватывает этап предварительного заполнения вывода. В таких сложных областях, как распределенное обучение с большим количеством карт и координация между ними, NVIDIA сохраняет явное лидерство благодаря глубоким техническим накоплениям. Таким образом, это достижение не полностью изменило экосистему CUDA в краткосрочной перспективе, но, безусловно, внесло неопределенность во весь рынок вычислительных мощностей, ускорив развитие глобальной индустрии вычислительных мощностей в сторону более открытой и диверсифицированной модели.


