7月23日，AMD Advancing AI 2026大会上，Anthropic联合创始人Tom Brown讲了一个让芯片行业炸锅的故事。
一名工程师，周五下班前让Claude去跑AMD MI355芯片和ROCm平台的全套适配。没人盯，没人改，流程自己转了整个周末。周一上班，他拿到的是一张持续攀升的性能曲线——Anthropic的旗舰模型，已经在AMD的新硬件上跑起来了。
"我们以为这会是个大项目，"Brown说。结果完全不是。
过去把一个大模型从英伟达平台迁移到AMD，至少需要一支工程师团队忙活几个月。Claude用了48小时，无人值守。
CUDA护城河的本质：不是技术，是人力账单
英伟达这些年最大的护城河从来不是芯片跑得快，是CUDA。
CUDA是一套用了十几年的软件生态，数百万开发者写了无数代码全跑在上面。你要换平台，不是买几块新卡就行——底层算子要重写，性能要重新调优，稳定性要重新验证。这笔工程人力成本，就是最高的切换门槛。
AMD的硬件参数追上甚至超过英伟达已经不是新闻。SemiAnalysis此前分析指出，MI355X的总拥有成本比英伟达HGX B200低约33%，HBM内存更大。但企业就是不换——因为迁移的人力成本比省下的硬件钱还贵。
CUDA壁垒的本质，是一道用人力堆出来的城墙。
AI自己拆掉了自己的城墙
Claude用一个周末干的事，是直接攻击这道城墙的成本侧。
Brown描述的过程极其简单：启动Claude，"让它把机器跑起来"，然后流程自行运转。到周一，性能曲线"持续攀升"。整个过程只涉及一名工程师和一台AMD提供的机架。
这意味着：如果前沿实验室可以用自家AI模型在数天内完成新硬件的全套适配和优化，硬件采购决策将更多取决于性能、价格和供应可得性，而非生态锁定。
分析师Austin Lyons随即评论："我们已过了CUDA护城河时代。"
从卖Token到买算力：Anthropic的算力自由
这不仅是技术故事，更是一笔精明的商业账。
Brown在大会上正式确认：Anthropic计划部署2GW的AMD Helios算力设施，明确青睐MI355芯片。AMD承诺50亿美元战略股权投资，双方将用Claude加速ROCm和GPU工作负载优化。2GW大约是一座核反应堆的功率，首批1GW将在2027年上半年启动。
这不是Anthropic唯一的算力布局。作为ARR已达470亿美元、估值9650亿美元、已提交IPO申请的AI巨头，它此前已从谷歌采购芯片和云服务，与SpaceX签署近450亿美元合作协议，与Akamai达成18亿美元协议。AMD是多元化算力供给的又一块拼图。
SemiAnalysis的数据解释了为什么Anthropic急于摆脱英伟达依赖：其推理基础设施毛利率已从38%跃升至逾70%，并在第二季度实现营业利润盈利。每兆瓦算力对应的ARR将在今年晚些时候达到6000万美元，九个月前仅为1600万美元。算力成本基本固定，单位算力处理的Token越多，边际利润率越接近100%。
编程吃掉七成Token，AI开始反哺自己的基础设施
SemiAnalysis最新分析还揭示了一个关键趋势：编程与软件工程已占前沿实验室API收入的70%以上。重度企业用户单人每年在AI上的支出高达10万美元。
AI编程工具正在成为整个行业最大的Token消耗引擎。而Anthropic恰恰是在编程数据上投入最激进的实验室——这种能力现在反向赋能了它的硬件选择自由度。用AI写代码赚钱，再用赚来的钱买更多算力，再用AI自己降低算力切换成本。这是一个闭环。
当AI开始改写自己的硬件底座
英伟达的CUDA护城河，过去十几年没有被任何竞争对手从外部攻破。AMD追硬件，Intel追制程，Google走自研TPU路线，都没能真正动摇CUDA的统治地位。
结果拆掉这道墙的，不是某个芯片公司，是AI自己。
这才是最值得关注的信号：当AI的能力强到可以自动化完成基础设施层最昂贵的人力工作时，行业竞争的维度就变了。不再是"谁的生态锁定更深"，而是"谁能让AI更快地适配一切硬件"。
Claude用一个周末拆掉的，不只是CUDA的墙。是"人力壁垒"这个概念本身。