In un fine settimana, adattata l'intera suite AMD: Anthropic utilizza Claude per auto-ottimizzazione invece dell'hardware Nvidia, superando la "barriera umana" di CUDA

Anthropic, durante la conferenza AdvancingAI di AMD di quest'anno, non solo ha annunciato il piano di implementazione della potenza di calcolo, ma ha anche rivelato un dettaglio tecnico che potrebbe riscrivere le regole della competizione tra chip AI: i suoi ingegneri sono riusciti ad adattare e ottimizzare automaticamente l’intera gamma della piattaforma AMD Instinct MI355 e ROCm utilizzando solo il modello Claude in un solo fine settimana.

Tom Brown, dirigente di Anthropic, ha dichiarato pubblicamente durante la conferenza che la società prevede di implementare infrastrutture di calcolo AMD Helios con una potenza di 2GW, esprimendo una chiara preferenza per i chip MI355. Questa dichiarazione eleva le precedenti speculazioni di mercato sul potenziale accordo a una conferma ufficiale a livello dirigenziale. Il profilo ufficiale AMD ha poi rilanciato un tweet di terzi contenente le dichiarazioni di Tom Brown, ringraziandolo per la partecipazione.

Ancora più impressionante è il processo di adattamento svelato da Brown. Il team si aspettava che l’avvio di un modello su nuova hardware sarebbe stato un “grande progetto”, ma la realtà è stata totalmente diversa: un ingegnere, dopo aver affidato a Claude il compito di adattamento, ha lasciato che il processo si svolgesse autonomamente durante il fine settimana, ottenendo il lunedì successivo una curva prestazionale in costante ascesa del modello principale di Anthropic su quell’hardware.

Osservatori di mercato hanno subito commentato: “Abbiamo superato l’era del fossato di CUDA.” Per gli investitori, questa svolta significa che la logica del lock-in hardware lungo la catena di approvvigionamento della potenza di calcolo AI sta subendo un’inversione di tendenza grazie alle capacità stesse dell’AI. Dal momento che l’AI può ora sostituire gli ingegneri nella parte più costosa della migrazione hardware, il vero elemento difensivo dell’ecosistema CUDA di Nvidia — cioè l’alto costo di migrazione — sta venendo minato alla radice proprio dall’AI.

Dalle voci alla conferma ufficiale: l’implementazione di AMD da parte di Anthropic viene alla luce

In precedenza, la conoscenza di una collaborazione tra Anthropic e AMD restava confinata a speculazioni di settore. La presenza pubblica di Tom Brown alla conferenza tecnica AMD innalza l’affidabilità dell’alleanza dal semplice segnale indiretto a una conferma formale.

Un’implementazione da 2GW significa che i chip AMD giocano un ruolo sostanziale (e non meramente simbolico) nel sistema di potenza di calcolo di Anthropic.

Come gigante dell’AI con un ARR di 47 miliardi di dollari, una valutazione di 965 miliardi di dollari e una domanda ufficiale di IPO già presentata, Anthropic sta costruendo attivamente un sistema diversificato per la fornitura della potenza di calcolo — aveva già acquistato chip e servizi cloud da Google, firmato un accordo quasi 45 miliardi di dollari con SpaceX e stipulato un contratto da 1,8 miliardi con Akamai. L’ingresso ufficiale di AMD amplia ulteriormente le risorse di calcolo dell’azienda.

L’adattamento hardware self-bootstrapping dell’AI: il “tallone d’Achille” del muro CUDA

Più dell’entità degli ordini, è la capacità di adattamento automatizzato AI mostrata da Anthropic ad avere un impatto di lungo termine.

Tradizionalmente, migrare grandi modelli su nuove piattaforme hardware richiede il lavoro manuale di numerosi ingegneri per l’adattamento degli operatori di basso livello, l’ottimizzazione delle prestazioni e la verifica della stabilità — ed è proprio questa la principale barriera dell’ecosistema CUDA di Nvidia. La dipendenza degli sviluppatori da CUDA non è solo inerzia tecnica, ma è dettata dal costo di migrazione: cambiare piattaforma significa investire mesi, se non anni, di risorse ingegneristiche.

Ma quando Claude riesce a completare l’intero processo di adattamento in un solo weekend, il fondamento di questa logica inizia a vacillare. La descrizione di Brown è chiara e diretta: un ingegnere avvia Claude, “gli lascia far funzionare la macchina”, e il processo procede in autonomia nel fine settimana. Lunedì, il team ottiene un grafico della curva delle prestazioni in “costante ascesa”. Tutto il processo ha coinvolto solo un ingegnere e un rack fornito da AMD.

“Pensavamo sarebbe stato un grande progetto,” ha detto Brown, ma l’esperienza reale è stata “completamente diversa”.

Perché questo segnale ha un significato sostanziale per l’assetto dei chip AI

Nella valutazione di Nvidia da parte del mercato, il muro dell’ecosistema CUDA è il principale driver di premium pricing. La vera natura di questa barriera non risiede nell’insostituibilità tecnica, ma nel “costo di manodopera” della migrazione dell’ecosistema: anche se l’hardware dei competitor raggiunge le stesse prestazioni, le aziende devono investire risorse ingegneristiche ingenti per riadattare l’intero stack software — e questi costi sommersi rappresentano la barriera di switching più alta.

L’automazione AI dell’adattamento attacca direttamente il lato dei costi di questa barriera. Se i laboratori di frontiera possono sfruttare i propri modelli AI per adattare e ottimizzare nuovo hardware in pochi giorni, le decisioni di approvvigionamento hardware verteranno sempre più su prestazioni, prezzo e disponibilità, non sull’effetto lock-in dell’ecosistema. Come ha detto l’analista Austin Lyons: “Abbiamo superato l’era del fossato di CUDA.”

Per Anthropic, questa capacità conferisce ancora maggiore flessibilità nella strategia di acquisto di potenza di calcolo. Secondo l’ultima analisi di SemiAnalysis, il margine lordo delle infrastrutture di inferenza di Anthropic è passato dal 38% a oltre il 70%, con un utile operativo realizzato nel secondo trimestre. L’inserimento di AMD tra i fornitori di potenza di calcolo non solo diversifica il rischio di supply chain, ma offre anche opzioni hardware più vantaggiose per gestire una domanda d’inferenza in rapida crescita.

Per AMD, ottenere un impegno formale all’implementazione da parte di un laboratorio di frontiera come Anthropic rappresenta una convalida chiave della propria roadmap GPU per datacenter. Con lo strumento di adattamento automatico tramite AI, la barriera ingegneristica per i nuovi clienti potenzialmente interessati ad AMD si abbassa — e questa potrebbe essere una risorsa strategica di valore molto superiore rispetto al singolo ordine.

Secondo gli analisti di SemiAnalysis, gli investimenti aggressivi di Anthropic in dati di programmazione hanno reso i suoi modelli leader nelle capacità, e ora questa leadership conferisce all’azienda maggiore libertà nella scelta dell’hardware.