11 月 11 日，Anthropic 在 IPO 路演材料中披露的一项信息，引发业界对英伟达 CUDA 生态优势的讨论。

3 天 vs 6 至 12 个月

据路演材料中的一张幻灯片显示，随着高性能 AI 模型逐渐具备自主适配不同计算平台的能力，GPU 正变得越来越像可以相互替换的通用算力资源。

Anthropic 披露，其 Claude Mythos Preview 模型仅用了大约 3 天时间，就摸索出如何让另一个模型在 AMD MI355X GPU 上运行。作为对比，传统情况下，为一个新的计算平台完成推理任务所需的适配工作，通常需要 6 至 12 个月。

这意味着，Anthropic 现在可以将不同厂商的 GPU 视为相对通用的算力资源，在不同平台之间切换的技术门槛已经大幅降低。有观点据此认为，英伟达长期以来引以为傲的 CUDA 生态护城河，可能已经失去原有的意义。

CUDA 的优势不止于软件

不过，现在就宣告英伟达 CUDA 生态优势终结，恐怕为时尚早。CUDA 不只是一套软件工具，其背后还有规模庞大的开发者生态、丰富的函数库和开发工具，以及经过多年持续优化的技术积累。目前，仍有大量开发者围绕 CUDA 构建和维护各类应用。

过去几年，英伟达也一直在采取各种措施巩固 CUDA 的竞争优势。例如，公司向大学和科研人员免费提供 GPU 及培训资源，吸引更多开发者进入 CUDA 生态。

此外，英伟达将用于连接多块 GPU 的通信工具库 NVIDIA Collective Communications Library（NCCL），与 NVLink、InfiniBand 等专有硬件技术深度结合，进一步提高多 GPU 协同计算的效率，也增加了用户迁移至其他平台的成本。

通用化趋势的启示

Anthropic 的案例说明，当模型本身具备跨平台适配能力后，算力供给方的”锁定效应”会被削弱。但生态壁垒的建立需要时间，CUDA 在开发者习惯、工具链成熟度和硬件协同上的积累，短期内仍难以被完全替代。对采购算力的企业而言，平台可替代性的提升，长期看有助于降低供应商集中带来的议价风险。