پورت Claude به AMD در سه روز با کمک هوش مصنوعی

اگر امروز برای استفاده از Claude پول می‌دهید، صورت‌ حساب شما از ماه آینده ۴۷٪ کم می‌شود — این تیتر اصلی معرفی GPT-5 توسط OpenAI است. Anthropic ادعا کرده که مدل هوش مصنوعی خود را به AMD در سه روز پورت کرده است. این شرکت در یک ارائه سرمایه‌گذاری در ۱۱ نوامبر ۲۰۲۶ افشار کرد که این پورت با حداقل مداخله انسانی انجام شده و زمان سنتی شش تا دوازده ماه را به شدت کاهش داده است. سال‌هاست که Nvidia با استفاده از پشته نرم‌افزاری CUDA خود، بازار آموزش و استنتاج مدل‌های هوش مصنوعی را در دست دارد و تغییر به سایر پردازنده‌ها را بسیار دشوار کرده است. این قفل نرم‌افزاری به Nvidia اجازه داده تا حاشیه سود بالای ۷۰٪ کسب کند و بیشتر آزمایشگاه‌ها به سادگی هزینه بالای آن را می‌پذیرند. Anthropic اکنون با استراتژی چندسخت‌افزاری به نام « Pool محاسباتی قابل تعویض » به این دینامیک چالش می‌زند. این روش از AWS Trainium، Google TPUs، Nvidia GPUs و AMD GPUs به عنوان ظرفیت محاسباتی قابل تعویض استفاده می‌کند، مفهومی که شرکت در اولین بار در پرونده‌های سرمایه‌گذاری عمومی خود معرفی کرد. گزارش پیشین ما درباره « پنجره سرمایه‌گذاری خرده‌فروشی استرالیایی Anthropic » به تلاش این شرکت برای تنوع بخشیدن به پایه سخت‌افزاری خود اشاره داشت. مورد آزمایش، یک پردازنده AMD Instinct MI355X GPU بود که Anthropic تا به امروز از آن استفاده نکرده بود. به جای اختصاص دادن دهها مهندس، شرکت اجازه داد مدل پیشرفته Mythos هسته‌های محاسباتی (kernels) را بنویسد. طبق ارائه سرمایه‌گذاری، Mythos به نزدیک ۱۰۰٪ عملکرد تیم انسانی در ماه‌ها دست یافت. نتیجه: عملکرد سطح تولید بر روی AMD در حدود سه روز. این معیار، پردازش درخواست (prompt processing) بر روی پردازنده‌های AMD MI355X GPU را اندازه‌گیری می‌کند، همان کلاسی که Nvidia با پردازنده‌های جدید H200 و B200 خود هدف قرار می‌دهد. اگر این اعداد دقیق باشند، هزینه نرم‌افزاری که سال‌ها از اکوسیستم Nvidia را حمایت کرده، به شدت کاهش می‌یابد. روش سنتی ماه‌ها مهندس‌ها را مشغول می‌کرد. Anthropic ادعا می‌کند که این سرعت فقط مربوط به AMD نیست و برای هر پردازنده جدیدی قابل اعمال است. شرکت می‌گوید می‌تواند یک پردازنده جدید را از صفر تا عملکرد قابل استفاده در حدود سه روز برساند، در حالی که با روش مهندسی سنتی این فرآیند شش تا دوازده ماه طول می‌کشد. در بازاری که تأمین آن محدود است، توانایی خرید از فروشندگان مختلف مزیت راهبردی است. Anthropic می‌گوید pool محاسباتی قابل تعویض آن اکنون اجازه می‌دهد ظرفیت محاسباتی را از یک pool واحد بین چهار پلتفرم سخت‌افزاری مختلف اختصاص دهد. این انعطاف‌پذیری به ویژه در زمانی که تأمین تراشه کم است، بسیار ارزشمند است. ضرایب محاسباتی که این سرعت را فراهم می‌کنند خودشان بازگشتی (recursive) هستند. هر پیشرفتی، بعدی را تقویت می‌کند و Anthropic انتظار دارد که Claude در نهایت خودش چنین ضرایبی را کشف کند. این ضرایب با گذشت زمان ترکیب می‌شوند و هر نسلی سریع‌تر می‌شود. فراتر از ادعا درباره پورت، Anthropic همچنین در حال ساخت داده‌های مرکزی خود تحت برنامه « Anthropic Direct » است. با اجاره کردن تراشه‌ها و بهره‌برداری از آنها در تأسیسات اختصاصی، شرکت هدف کاهش هزینه کل مالکیت (TCO) را دارد. این برنامه بخشی از تلاش گسترده Anthropic برای کنترل سرنوشت خود است. روابط مالی، دو تولیدکننده بزرگ تراشه را به Anthropic پیوند می‌دهند. در نوامبر ۲۰۲۵، Nvidia تا ۱۰ میلیارد دلار در چارچوب معامله ۴۵ میلیارد دلاری Microsoft متعهد کرد. در نوامبر ۲۰۲۶، این شرکت در یک سرمایه‌گذاری خصوصی ۲۶ میلیارد دلاری شرکت کرد. AMD در ژوییه ۲۰۲۶، سرمایه‌گذاری استراتژیک ۵ میلیارد دلاری اعلام کرد و Anthropic برنامه‌ریزی کرد تا تا دو گیگاوات از پردازنده‌های AMD Instinct MI455X را مستقر کند. حاشیه سود بالای ۷۰٪ که Nvidia از آن برخوردار است، برای سخت‌افزار غیرمعادل است و بازدارندگی اکوسیستم CUDA را نشان می‌دهد. اگر روش چندسخت‌افزاری Anthropic محبوب شود، این حاشیه‌ها ممکن است تحت فشار قرار گیرند. سرمایه‌گذاران نگران هستند تا ببینند آیا این استراتژی به کاهش هزینه‌های واحد تبدیل می‌شود. اگر این اعداد ثابت بماند، هزینه نرم‌افزاری که سال‌ها از اکوسیستم Nvidia را حمایت کرده، می‌تواند سریع فرو بریزد. آزمایشگاه‌ها می‌توانند بر اساس قیمت و دسترسی بین فروشندگان جابه‌جا شوند و بازار تراشه‌ها به یک کالای کالبی تبدیل شود. رقیبانی مانند OpenAI و Google ممکن است تحت فشار قرار گیرند تا از آنها پیروی کنند. برای خوانندگانی که بارهای کاری هوش مصنوعی را اجرا یا توسعه می‌دهند، پیام آن عملی است: انتخاب سخت‌افزار دیگر نمی‌تواند یک قفل باشد و هزینه با تشدید رقابت کاهش می‌یابد. این تحول همچنین خطرات را برای Nvidia افزایش می‌دهد تا ثابت کند که CUDA هنوز مزیت تصمیم‌گیری دارد. برای پیگیری، نسبت به انجام معیارهای مستقل برای تأیید ادعای سه‌روزی Anthropic و پیگیری اینکه آیا سایر آزمایشگاه‌ها نیز پایپ‌لاین‌های چندسخت‌افزاری را به کار می‌گیرند، توجه داشته باشید. فصل بعدی این است که آیا این قابلیت حمل‌و‌نقل به یک استاندارد صنعتی تبدیل می‌شود یا تنها یک توانایی نسبی باقی می‌ماند. نتیجه این امر، نحوه خرید و فروش محاسبات هوش مصنوعی را برای سال‌های آینده شکل خواهد داد.