跨越CUDA护城河

英伟达算力帝国的根基，正在出现松动。

当DeepSeek创始人梁文锋那句“可以用AI把英伟达的整套生态全部写一遍”的论断疯狂流传时，AMD正在用产品发布会为这句话写下注脚。它不再只是追赶一颗GPU，而是在尝试复制英伟达过去几年建立的AI基础设施模式。

AMD与Anthropic敲定2GW（吉瓦）Helios机架级（rack-scale）解决方案合作，同时与Cerebras合作探索超低延迟AI推理基础设施。这些动作，都曾是英伟达推动AI计算革命时采用的路径。

某种意义上，苏姿丰正在“蒸馏”黄仁勋过去几年建立AI帝国的方法。过去，AMD更多是在打一场芯片对芯片竞争；如今，它开始尝试建立一个不依赖CUDA的AI工厂。

但更关键的是，真正可能改变CUDA护城河的，是一种过去不存在的变量：能够参与软件开发、优化和迁移的AI。

Helios机架解决方案

在AAI 2026大会上，AMD几乎在所有AI基础设施产品线上，都选择英伟达作为直接竞争对象。其中最受关注的是Helios机架级AI平台。

Helios基于开放标准设计，由72张Instinct MI455X GPU和18张第六代EPYC“Venice” CPU组成，并通过Pensando网络技术扩展，由ROCm软件生态驱动。AMD希望通过开放标准，让合作伙伴能够自行构建和定制AI基础设施，而不是被绑定在单一封闭体系中。

相比英伟达Vera Rubin机架，AMD公布的规格比较显示，Helios在FP4与FP8的算力要高出15%，HBM容量高出50%、带宽高出6%，横向扩展（scale out）要高出50%；整套解决方案的token/美元指标则因此高出了30%。

这些数据仍需等待第三方测试验证。不过，AI基础设施测评公司Signal65总裁Ryan Shrout，看完整场发布会就判断称，AMD这款最新发布的MI455XGPU的真正卖点，不是峰值算力较上一代的大幅提升，而是它的架构革新。这是该公司首款面向机架级AI（rack-scale AI）的GPU。

过去，AMD Instinct系列更多面向HPC和通用高性能计算场景优化，而MI455X首次采用更细粒度的Wave32执行模式，与英伟达Warp32对齐，更适合大模型推理中大量低延迟、小粒度计算任务（AMD的Wave对应英伟达的Warp，都是线程束的概念，类似GPU基本执行单位，每个执行单位包含若干线程，这些线程同步执行同一条指令；降低线程组织粒度，有助于减少线程闲置，并降低资源调度压力）。与此同时，这种执行模型上的趋同，也降低了部分AI工作负载从CUDA生态迁移到ROCm时的适配成本。

随着AI进入智能体时代，CPU的重要性正在重新提升。传统AI工作负载中，CPU更多承担调度和外围计算；但未来大量Agent任务涉及工具调用、任务管理、上下文处理和多任务并发，对CPU资源提出了新的要求。而AMD在服务器CPU领域已经建立起接近领导者的地位。

尽管英伟达曾尝试“阻击”这次发布会，抢先几天公布下一代Vera CPU的更多数据，并强调其面向智能体工作负载的优势。不过，这次AMD也针锋相对，将新发布的第六代EPYC“Venice”，称为“面向智能体时代的全球最强服务器CPU”。

AMD测试显示，在其智能体CPU沙箱场景中，Venice每瓦可承载的智能体数量约为英伟达88核Vera CPU的两倍。AMD同时宣称，Venice在绝对性能、能效、单核性能和内存带宽等指标上均具备优势。

AMD的“开放闭环”

更重要的是，AMD正在试图拆解英伟达过去几年构建的完整闭环。过去几年，英伟达通过CUDA、NVLink、InfiniBand和BlueField DPU，将计算、通信和软件绑定在一起。AMD则试图用ROCm、UALink/UALoE、Pensando DPU和开放以太网架构，提供另一条路径。

AMD的动作并不是孤立事件。随着AI推理需求快速增长，市场正在从单一GPU计算模式，走向更加多元化的芯片架构。黄仁勋早已果断地用200亿美元获得了Groq-LPU技术和团队。当时，Groq竞争对手Cerebras的首席执行官费尔德曼（Andrew Feldman）就认为，“推理市场正在碎片化，一个新的类别已经出现，在这个类别中，速度不再是优势，而是全部价值所在。而这种价值只有通过不同于GPU的芯片架构才能实现。”

如今，AMD与Cerebras展开合作，正是在这一趋势下寻找新的组合方式。双方通过解耦式推理方案，将AI工作流中的不同阶段分别优化：AMD Helios负责高吞吐计算，可处理提示词处理和大上下文窗口；Cerebras芯片级引擎则加速对内存带宽敏感的token生成过程，实现超低延迟。

AI成为CUDA生态迁移工具

但真正可能改变英伟达长期优势的变量，并不是另一颗更强的GPU，而是AI本身。

在这次发布会上，AMD宣布与OpenAI、Meta和Anthropic等前沿AI公司建立大规模合作关系。其中，与Anthropic的合作尤其具有标志性意义。

这并非一次简单的GPU采购，而是一次深度的协同创新。Claude将参与AMD硬件生态建设，包括优化Instinct GPU上的AI工作负载、推动ROCm软件平台发展；与此同时，AMD也将在工程研发和产品开发流程中广泛采用Claude。

过去，CUDA生态的优势来自硬件、软件和开发者之间长期形成的正反馈循环。但随着AI能力跃升，模型公司自身已成为基础设施创新的重要参与者，它们希望通过与不同硬件厂商合作，降低对单一计算平台的依赖。

这也是CUDA长期护城河面临的新变量。CUDA真正强大的地方，并不只是英伟达GPU的性能，而是过去十多年围绕CUDA形成的软件生态、开发者习惯和优化经验。因此，它的竞争对手过去最大的挑战一直不是制造一颗更强的芯片，而是回答为什么开发者愿意离开CUDA，迁移到ROCm。

而Anthropic正在展示一种新的可能，如果AI可以写软件，AI本身就可能成为跨硬件生态的软件迁移工具。在AAI 2026大会上，Anthropic联合创始人Tom Brown分享了一个震撼案例：当AMD提供服务器进行测试时，团队原本预计适配会是一个“大工程”；但一名工程师让Claude参与环境搭建和优化迭代，经过一个周末，团队就获得了其主力模型在AMD硬件上的实际性能曲线。这意味着，过去需要大量人工经验积累的软件迁移过程，正在逐渐被AI辅助。

在中国市场，这一趋势更为激进。在一份广为流传的投资者交流会录音中，DeepSeek创始人梁文锋称，DeepSeek探索摆脱英伟达生态的尝试，早在V3预训练就开始了，当时尽管用的还是英伟达的卡，但已经是TileLang的生态了，可以用这个高级语言来写CUDA的算子，很快地把英伟达的整套生态全部写一遍。用AI技术构建新的生态，这个技术路线看起来没有什么障碍。此前，Kimi K3发布时，也展示了AI辅助GPU编译器开发的案例。

这也解释了为什么英伟达试图通过Nemotron等项目组织开源模型生态。英伟达希望复制CUDA时代的成功经验：通过聚合模型、数据和开发者资源，让新的AI生态继续围绕自身平台形成。

但开源AI的发展规律，也许并不完全适用于这种自上而下的组织方式。AI分析机构Semianalysis透露，英伟达主导的Nemotron联盟遭遇了挫折。开源模型的创新依然依赖多个独立团队之间的竞争、试错和快速迭代。中国的DeepSeek、Qwen、Kimi等团队，正是在这种竞争环境中不断吸收彼此成果，形成新的技术路线。

CUDA的城墙不会因为AMD一次发布会而倒塌。但它正在从一座几乎无法跨越的城堡，变成一个需要持续防守的生态。随着更多参与者探索新的软硬件协同路径，CUDA需要面对的挑战将越来越多。

更远方的挑战声正在传来。谷歌正在研发一款代号“Frozen v2”的专用芯片，直接把Gemini模型的部分底层架构永久蚀刻进硅片；中国半导体行业协会集成电路设计分会理事长魏少军亲自下场，在WAIC期间发布了首款AI芯片DF1000，在14nm制程下实现Hopper架构综合性能，明年底第三代的DF3000更将直接对标Blackwell架构。

当技术变革的浪潮从多个方向同时冲击同一座城墙时，最终的胜负不取决于谁拥有最厚的城墙，而取决于谁能够以更低成本、更高效率，将智能扩散到整个经济系统。