Anthropic łamie dominację CUDA dzięki własnej AI

Anthropic ogłosił, że uniezależnił się od Nvidii. Firma twierdzi, że przeniosła swój flagowy model Claude na karty graficzne AMD w ciągu trzech dni, przy minimalnym udziale człowieka. Jeśli te dane się potwierdzą, może to zachwiać jednym z najsilniejszych mechanizmów blokujących konkurencję na rynku układów AI.

Kluczowa przewaga Nvidii nie tkwi wyłącznie w samym krzemie. To połączenie sprzętu z oprogramowaniem — przede wszystkim z CUDA, czyli środowiskiem programistycznym, które przywiązuje firmy do konkretnego dostawcy. Przeniesienie modelu na inną architekturę zwykle wymaga tyle pracy, że wiele organizacji nawet nie próbuje. Anthropic przekonuje, że ten problem rozwiązał... przy pomocy sztucznej inteligencji.

Wielochipowy zakład, który się opłacił

Według Toma Browna, współzałożyciela i dyrektora ds. obliczeń w Anthropic, firma od początku postawiła na strategię wielochipową — w czasach, gdy większość branży uznawała takie wysiłki za nieopłacalne. Każdy typ układu wymaga własnego oprogramowania i stosu wnioskowania (inference stack), co generuje wysokie koszty i pochłania czas. Anthropic inwestował w te prace latami i dziś — jak deklaruje Brown — radzi sobie z tym „znakomicie".

Obecnie firma trenuje i uruchamia Claude na czterech głównych rodzinach chipów jednocześnie: AWS Trainium, Google TPU, GPU Nvidii oraz GPU AMD. Moc obliczeniowa z różnych dostawców, architektur i lokalizacji traktowana jest jako jeden wymienny zasób. Anthropic twierdzi, że dzięki temu wyciąga więcej z każdego dolara przeznaczonego na obliczenia niż jakiekolwiek inne laboratorium frontierowe.

Trzy dni zamiast roku — jak AI portuje modele

Najbardziej konkretny test dotyczył kart AMD. Do tej pory uruchomienie nowej platformy sprzętowej zajmowało kilkudziesięciu inżynierów przez wiele miesięcy. W tym roku Anthropic po raz pierwszy użył GPU AMD — i pozwolił, by pracę wykonał jego własny model frontierowy Mythos.

Efekt? Claude działał na AMD po trzech dniach, niemal bez interwencji człowieka. Model samodzielnie przeniósł lub napisał blisko 100 procent jąder obliczeniowych (kernels). Dzięki Mythos nowy sprzęt osiąga użyteczną wydajność w około trzy dni, podczas gdy tradycyjne podejście inżynierskie wymaga od sześciu do dwunastu miesięcy. Podane liczby dotyczą przetwarzania promptów modelu Anthropic na GPU AMD MI355X.

Co to oznacza dla rynku chipów

Jeśli te wyniki są rzetelne, narzut programowy — uznawany dotąd za najsilniejszą broń Nvidii — może gwałtownie zmaleć za sprawą AI. Firmy łatwiej przełączałyby się między dostawcami i wybierały opcję najtańszą lub najłatwiej dostępną. Na rynku obliczeń, gdzie podaż jest napięta, podejście wielochipowe pozwala skupić się na najlepszym stosunku ceny do wydajności, niezależnie od marki. Niektóre układy lepiej sprawdzają się w treningu, inne we wnioskowaniu.

Warto pamiętać o kontekście: dzięki dominacji na rynku chipów AI Nvidia cieszy się obecnie marżą przekraczającą 70 procent — wyjątkowo wysoką jak na sprzęt. To właśnie ten poziom rentowności jest bezpośrednio zagrożony, jeśli bariera migracji między platformami zniknie.

Mnożniki obliczeń i własne centra danych

Poza strategią wielochipową Anthropic opiera się na tzw. mnożnikach obliczeń (compute multipliers) — przełomach badawczych, które pozwalają wycisnąć więcej wydajności z tej samej fizycznej infrastruktury. Firma twierdzi, że mnożniki nakładają się na siebie: każdy kolejny wzmacnia efekt poprzedniego. Docelowo Claude ma samodzielnie odkrywać takie mnożniki, co oznaczałoby rekurencyjne samodoskonalenie — koncepcję intensywnie dyskutowaną w badaniach nad AI, ale wciąż nieudowodnioną.

Równolegle Anthropic buduje własne moce centrów danych w ramach programu „Anthropic Direct". Zamiast kupować moc obliczeniową wyłącznie jako usługę chmurową, firma dzierżawi chipy i obsługuje je we własnych, dedykowanych obiektach. Celem jest obniżenie całkowitego kosztu posiadania.

Zastrzeżenia i finansowe uwikłania

Dane pochodzą z prezentacji inwestorskiej Anthropic i nie zostały niezależnie zweryfikowane. Pokazują jednak, że przynajmniej jedno duże laboratorium AI nie uważa już dominacji CUDA za nie do przezwyciężenia — a same modele AI mogą stać się narzędziem do zrywania zależności sprzętowych.

Warto odnotować, że obaj główni producenci GPU są dziś silnie finansowo powiązani z Anthropic. W listopadzie 2025 roku, w ramach umowy z Microsoftem o wartości 45 miliardów dolarów, Nvidia zobowiązała się zainwestować w Anthropic do 10 miliardów dolarów. Zgodnie z dokumentem rejestracyjnym S-1/A złożonym w SEC 10 listopada 2026 roku Nvidia uczestniczy także w warunkowej ofercie prywatnej o łącznej wartości 26 miliardów dolarów, w której siedem firm technologicznych obejmuje akcje po cenie IPO. AMD ogłosiło z kolei w lipcu 2026 roku inwestycję strategiczną do 5 miliardów dolarów — w zamian Anthropic planuje wdrożyć do dwóch gigawatów GPU AMD Instinct MI455X w systemach rack-scale Helios, przy czym pierwsza faza o mocy jednego gigawata ma ruszyć w pierwszej połowie 2027 roku.

Historia Anthropic pokazuje, że największa bariera wejścia na rynek chipów AI może zostać przełamana nie przez lepszy krzem, lecz przez oprogramowanie, które samo się pisze. Jeśli modele frontierowe potrafią w kilka dni zaadaptować się do nowej architektury, przewaga Nvidii przestaje być nie do zdobycia. Pytanie brzmi, jak szybko inne laboratoria pójdą tą drogą — i czy Nvidia zdoła odpowiedzieć, zanim jej marże zaczną topnieć.