Anthropicは、Claude Mythos Previewモデルを使用して、AIワークロードをAMD MI355X GPUに約3日間で導入できることを実証した。このプロセスは、従来であれば6ヶ月から12ヶ月の手動エンジニアリングを必要としていた。同社は、モデルを使用して必要なカーネルのほぼ100%を自律的に記述することで、「基本的に人間の介入なしに」これを達成でき、計算リソースにおける非Nvidiaハードウェアの統合を大幅に加速できると主張している。

このチャートは、数ヶ月を要するエンジニアリング作業をわずか3日間に短縮するという記事の核心的な主張を視覚的に示している。
CUDAの堀の自動化
長年にわたり、AI市場におけるNvidiaの優位性は、開発者がモデルを競合ハードウェアに移植することを困難にする成熟したソフトウェア層であるCUDAによって支えられてきた。従来、AIコードを新しいアクセラレータに適合させるには、数十人のエンジニアが数ヶ月間かけて低レベルカーネルを記述し、最適化する必要があった。
Anthropicがこのプロセスを自動化するためにClaude Mythosを使用していることは、競争環境の変化を示唆している。これらのカーネルを自律的に生成することで、同社は歴史的にNvidiaの市場地位を守ってきた従来のソフトウェアの障壁を回避することができる。
HN Digest による図表(tomshardware.com の報告数に基づく)。数値はソースの表記通り。
自律的導入のメカニズム
この3日間のタイムラインは、AMD MI355X GPU上でのAnthropicモデルの1つに対するプロンプト処理(プリフィル)を「有用なレベルのパフォーマンス」でカバーしている。モデルは、AIがAMDチップの特定のアーキテクチャと通信できるようにするカーネルを移植または記述するという複雑なタスクを処理する。

この画像は、導入プロセスで議論されている特定のハードウェア(AMD MI355X/MI350シリーズ)を視覚的に提供する。
このアプローチは、CUDAコードをAMDのROCmプラットフォームに変換するように設計されたAMDのHIPifyなどの既存ツールと比較して有利である。AMDのリーダーシップ自身も、Claudeは複雑な技術要件をナビゲートするためのウェブ検索機能を備えているため、HIPifyよりも効果的である可能性があると指摘している。
戦略的意義と限界
Anthropicの戦略には、単一のプロバイダーへの過度な依存を避けるために、多様で代替可能な計算プールを維持することが含まれる。このマルチチップアプローチにより、同社は現在PyTorchで構築されたモデルをネイティブに実行できるGoogleのTPUのような特殊なハードウェアを活用することができる。

この画像は、戦略的意義のセクションで言及されている「代替可能な計算プール」を例証している。
しかし、この移行に関してはいくつかの不確実性が残っている。Anthropicは、この3日間のタイムラインにモデル推論の「デコード(回答)」ステップが含まれているかどうかを明らかにしていない。また、現在、これらのAIが記述したカーネルのパフォーマンスをNvidiaのネイティブパフォーマンスと比較した公開データはない。さらに、AIがコードを記述できたとしても、エージェントは生成されたカーネルをテストおよび検証するために依然としてGPUを必要とするため、物理的なハードウェアがボトルネックとして残る。