Anthropic перенесла Claude на AMD за 3 дня вместо 6–12 месяцев с помощью ИИ

Если вы когда-нибудь пытались запустить код, написанный под CUDA, на чём-то другом, вы знаете это чувство: формально возможно всё, а на практике это полгода работы. Именно этот барьер годами защищал Nvidia сильнее, чем сами чипы. Теперь Anthropic говорит, что научилась его обходить с помощью собственной модели.

Что именно заявила Anthropic

Со слов сооснователя и директора по вычислениям Тома Брауна, компания обучает и запускает Claude на всех четырёх крупных семействах чипов: AWS Trainium, Google TPU, GPU Nvidia и GPU AMD. Для каждого нужен собственный софт и собственный стек инференса, а это дорого и долго. Anthropic сделала ставку на мультичиповую стратегию рано, когда большая часть индустрии считала её не стоящей усилий. С тех пор компания вкладывалась в эту инженерию годами и, по словам Брауна, стала в ней «невероятно хороша».

Самый конкретный пример — AMD. В этом году Anthropic впервые задействовала GPU AMD и поручила работу своей передовой модели Mythos. По данным компании, Claude заработал на AMD через три дня почти без участия людей. Модель написала или портировала почти 100% ядер. Ядра (kernels) — это низкоуровневые программы, которые считают математику прямо на GPU, и именно они обычно привязывают код к конкретному железу. Традиционно на такой запуск у десятков инженеров уходит от шести до двенадцати месяцев. Цифры в презентации относятся к обработке промптов моделью Anthropic на GPU AMD MI355X.

Почему это важно не только для Anthropic

Представьте приложение, жёстко завязанное на SDK одного облака. Каждый переезд — это переписывание сотен интеграций, поэтому никто не переезжает. Если ИИ делает такой переезд за выходные, привязка к вендору перестаёт быть стеной и превращается в обычную статью расходов. С CUDA та же история: она держит разработчиков не качеством, а стоимостью выхода.

Если картина верна, компании смогут выбирать чипы по цене и доступности, а не по совместимости. При дефиците вычислений это серьёзное преимущество. К тому же одни чипы лучше подходят для обучения, другие для инференса. У Nvidia маржа превышает 70%, что для железа необычно много, и снижение цены переключения бьёт именно по ней.

Anthropic говорит и о «множителях вычислений» — исследовательских приёмах, которые выжимают больше из того же физического железа. Кроме того, компания развивает программу Anthropic Direct: она арендует чипы и сама эксплуатирует их в специально построенных дата-центрах, чтобы снизить совокупную стоимость владения. В перспективе Claude должен сам находить такие множители. Это было бы рекурсивным самоулучшением, о котором в индустрии много спорят, но которое пока никто не доказал.

Оговорки и деньги

Главная оговорка: все цифры взяты из презентации для инвесторов и независимо не проверены. Это материал компании, которая готовится к IPO. Её заявка S-1/A была подана в SEC 10 ноября 2026 года. Кроме того, «три дня» означают выход на рабочий уровень производительности, а не обязательно паритет с вручную оптимизированными ядрами под CUDA. И речь идёт о закрытой передовой модели Mythos в руках команды, которая годами строила мультичиповую инфраструктуру. Обычным командам такой результат за три дня никто не обещает.

Есть и контекст, о котором стоит помнить: обе GPU-компании финансово связаны с Anthropic. В ноябре 2025 года в рамках сделки на $45 млрд с Microsoft Nvidia пообещала инвестировать до $10 млрд. Она же участвует в условном частном размещении на $26 млрд, где акции по цене IPO покупают семь техкомпаний. AMD в июле 2026 года объявила о стратегических инвестициях до $5 млрд. Взамен Anthropic планирует развернуть до двух гигаватт GPU Instinct MI455X в стойках Helios, а первый гигаватт должен стартовать в первой половине 2027 года.

Что с этим делать на практике

Для инженеров, которые занимаются инференсом, главный вывод такой: порт ядер с помощью ИИ-агента стоит хотя бы попробовать на одном-двух самых горячих операторах. Раньше такой эксперимент выглядел безумием, а теперь он может окупиться уже на пилоте.

Продактам и основателям стоит закладывать мультивендорность в планы и контракты, особенно если ваши расходы на вычисления растут быстрее выручки. Переговорная позиция с поставщиком железа и облаков заметно лучше, когда у вас есть правдоподобная альтернатива.

И всё же не стоит ждать чудес: «заработало» и «работает так же быстро и дёшево, как на CUDA» — разные вещи. Пока нет независимых замеров, это сильная заявка, а не доказанный факт. Но сам сдвиг уже заметен: ИИ начинает ломать зависимость от железа, на которой держалась часть рыночной власти Nvidia.