En une phrase, un week-end, Claude a directement fait tourner son modèle le plus avancé sur un tout nouveau rack AMD MI355X !
Les ingénieurs humains n'ont pas modifié une seule ligne de code de leurs mains.
Qui aurait pensé que le fossé construit par NVIDIA en 20 ans avec CUDA serait ainsi franchi.
Un week-end, Claude a mis en service le nouveau GPU d'AMD
L'histoire est la suivante.
Il y a quelque temps, AMD a livré un rack équipé de MI355X à Anthropic.
Après l'avoir examiné, l'équipe était mentalement prête pour une bataille difficile. Nouvelle plateforme, nouvelle pile logicielle, une nouvelle série d'adaptations était inévitable.
Cependant, Anthropic avait justement Claude sous la main.
L'équipe a donc décidé de laisser un ingénieur essayer : connecter Claude à la machine, lui donner l'instruction : « Vas-y, fais démarrer cette machine. »
À la fin du week-end, de retour au bureau, une courbe de performance en croissance constante s'affichait déjà à l'écran – non seulement la machine tournait, mais ses performances continuaient de s'améliorer, cycle après cycle.
Après que Tom Brown, cofondateur et directeur du calcul d'Anthropic, ait raconté cela, Lisa Su a immédiatement pris la parole :
En apprenant qu'un seul ingénieur d'Anthropic s'occupait du MI355X, sa première réaction a été d'envoyer l'équipe AMD prêter main-forte.
L'équipe est revenue lui dire que l'autre partie avait répondu que c'était inutile, que tout était déjà réglé.
Rapidement, cette expérience du week-end s'est transformée en un véritable plan de déploiement.
Très récemment, Anthropic a annoncé qu'il déploierait jusqu'à 2 GW de GPU Instinct dans le système AMD Helios, la première tranche de 1 GW étant prévue pour le premier semestre 2027.
De plus, les deux parties utiliseront directement Claude pour optimiser les charges de travail AMD et accélérer le développement logiciel de ROCm.
Le manuel des puces, un nouveau lecteur non humain
La raison pour laquelle Claude a pu réaliser une « attaque de dimension supérieure » contre l'écosystème CUDA, c'est qu'AMD a directement fourni à l'IA un ensemble d'outils capable de configurer un GPU.
ROCm.AI, lancé lors de la conférence AMD Advancing AI 2026, est précisément cette boîte à outils GPU complète préparée pour Claude, Codex et Cursor.
Le point d'entrée s'appelle AMD Skills, et il est rempli de connaissances ROCm vérifiées.
Une fois ces connaissances acquises, l'Agent peut installer l'environnement, déployer des modèles, lire les logs, diagnostiquer les pannes, et appeler la machine physique via l'interface ROCm CLI. Le développeur énonce l'objectif, et l'Agent trouve lui-même le chemin.
Point essentiel : AMD a même modifié la façon d'écrire les manuels des puces.
Anush Elangovan, vice-présidente des solutions et logiciels IA de la société, a révélé sur scène que chaque génération de GPU AMD rendrait public son jeu d'instructions et fournirait un ISA lisible par l'IA.
Après avoir compris le manuel, l'Agent peut directement commencer à régler les performances.
AMD confie cette partie du travail à Hyperloom. Il lance le service d'inférence, établit d'abord une ligne de base, puis recherche les goulots d'étranglement CPU et GPU, teste différentes configurations, génère des noyaux personnalisés, et enfin exécute la nouvelle solution.
Lors de la démonstration, Hyperloom a amélioré la vitesse de sortie du modèle M3 de MiniMax de 38 %. AMD l'a également fait exécuter plus de 14 000 modèles d'un coup, les résultats des tests devenant une expérience directement réutilisable pour la prochaine fois.
AMD s'entraîne également avec des entreprises de modèles de pointe pour développer cette capacité. Les propos d'Elangovan sont très intéressants : faire en sorte que les modèles de pointe « parlent nativement la programmation AMD ».
À l'avenir, pour une puce, la puissance de calcul de pointe et la bande passante mémoire seront bien sûr importantes, mais la capacité de l'IA à la comprendre, à l'utiliser et à en tirer les performances figurera également sur la même fiche technique.
Les développeurs que les fabricants de puces doivent séduire incluent désormais une nouvelle catégorie : les Agents.
L'attaque de dimension supérieure venue de l'ASI
CUDA, depuis son lancement en 2006 jusqu'à aujourd'hui, a construit son écosystème ligne par ligne grâce à d'innombrables ingénieurs.
Compilateur, bibliothèques mathématiques, débogueur, outils d'analyse de performance, documentation, tout y est.
Ce qui est encore plus difficile à reproduire, c'est l'expertise accumulée par des générations d'ingénieurs.
Comment régler un opérateur, accélérer les communications, allouer la mémoire, où se trouvent les problèmes les plus courants dans le déploiement distribué, toute cette expérience est enfermée dans la tête de quelques experts.
Même si un concurrent fabrique une puce aux performances proches, il doit repartir de zéro sur ce long chemin logiciel. La production des puces peut avancer au trimestre, mais l'accumulation d'un écosystème se compte en années.
C'est précisément cette étape que l'Agent vient combler.
Il lit la documentation de la plateforme, appelle les outils d'analyse de performance, trouve où se situe le ralentissement, puis modifie le code, compile, teste. Si une solution n'est pas efficace, il en essaie une autre ; si le benchmark s'améliore, il continue à optimiser dans cette direction.
Former un ingénieur GPU de haut niveau prend des années, lancer un Agent supplémentaire ne nécessite que de démarrer une nouvelle tâche.
Un ingénieur libérant un groupe d'Agents peut diagnostiquer les erreurs et localiser les goulots d'étranglement en parallèle. Une configuration qui fonctionne du premier coup, un noyau écrit, un problème rencontré, peuvent immédiatement devenir le point de départ pour le prochain groupe d'Agents.
Compresser une course qui se compte en années en une succession de tâches, c'est là que réside la valeur la plus précieuse de l'IA. C'est aussi l'attaque de dimension supérieure que représente cette capacité de type ASI contre l'écosystème CUDA.
Aujourd'hui, les ingénieurs chinois sont déjà en première ligne de cette transformation de la pile logicielle GPU par l'IA, et l'expérience de bas niveau qu'ils ont accumulée est également organisée en capacités que davantage d'Agents peuvent utiliser.
Un nouveau point de départ pour rattraper CUDA est apparu : confier les interfaces matérielles et les outils logiciels à l'IA, et laisser les Agents se mettre directement au travail.
Pour la première fois, l'écart d'écosystème de 20 ans peut être confié à un groupe d'Agents travaillant jour et nuit pour le combler.
Cet article provient du compte WeChat « New Zhi Yuan », auteur : ASI Apocalypse
