Claude tự thiết lập hệ thống GPU AMD MI355X chỉ trong một cuối tuần mà không cần con người can thiệp

Cảm ơn độc giả của IT đã gửi tin!

Chỉ trong một câu, một ngày cuối tuần, Claude đã trực tiếp chạy mô hình tiên tiến nhất của mình trên một hệ thống máy chủ AMD MI355X hoàn toàn mới!

Các kỹ sư con người không hề đụng tay vào sửa dù chỉ một dòng mã.

Ai mà ngờ được, "con hào" CUDA mà Nvidia đã dày công xây dựng suốt 20 năm lại bị vượt qua dễ dàng như vậy.

Chỉ trong một cuối tuần, Claude đã thiết lập thành công GPU mới của AMD

Câu chuyện bắt đầu như sau.

Cách đây không lâu, AMD đã gửi cho Anthropic một hệ thống máy chủ trang bị MI355X. Sau khi xem xét, đội ngũ đã chuẩn bị sẵn tinh thần cho một cuộc chiến cam go. Nền tảng mới đi kèm với ngăn xếp phần mềm (software stack) mới, chắc chắn sẽ cần một vòng thích ứng mới.

Tuy nhiên, Anthropic lại đang sở hữu Claude. Đội ngũ quyết định để một kỹ sư thử nghiệm: kết nối Claude với máy chủ và đưa ra yêu cầu: "Đi đi, hãy làm cho cỗ máy này chạy được."

Khi kỳ nghỉ cuối tuần kết thúc và quay lại văn phòng, trên màn hình đã xuất hiện một đường cong hiệu suất liên tục tăng lên — kết quả không chỉ chạy được mà hiệu suất còn không ngừng cải thiện qua từng vòng thử nghiệm.

Sau khi đồng sáng lập kiêm Giám đốc tính toán của Anthropic, Tom Brown, kể xong câu chuyện, CEO Lisa Su lập tức tiếp lời: Khi nghe tin Anthropic chỉ có một kỹ sư xử lý MI355X, phản ứng đầu tiên của bà là yêu cầu đội ngũ AMD nhanh chóng đến hỗ trợ. Kết quả là đội ngũ quay lại báo cáo rằng phía Anthropic nói không cần, họ đã giải quyết xong xuôi tất cả.

Rất nhanh sau đó, thí nghiệm cuối tuần này đã được kết nối với kế hoạch triển khai thực tế.

Mới đây, Anthropic thông báo sẽ triển khai tối đa 2GW Instinct GPU trong hệ thống AMD Helios, với đợt đầu tiên 1GW dự kiến khởi động vào nửa đầu năm 2027.

Hơn nữa, hai bên sẽ trực tiếp sử dụng Claude để tối ưu hóa khối lượng công việc trên AMD, nhằm tăng tốc phát triển phần mềm ROCm.

Hướng dẫn sử dụng chip đón chào một độc giả "phi nhân loại"

Lý do Claude có thể thực hiện cú "giáng đòn hạ cấp" (dimension reduction strike) đối với hệ sinh thái CUDA là vì AMD đã trực tiếp tạo ra một bộ công cụ dành riêng cho AI để điều chỉnh GPU.

ROCm.AI được công bố tại sự kiện AMD Advancing AI 2026 chính là bộ công cụ GPU toàn diện dành cho Claude, Codex và Cursor.

Cổng truy cập có tên là AMD Skills, bên trong chứa toàn bộ kiến thức ROCm đã được kiểm chứng.

Sau khi tiếp nhận những kiến thức này, Agent có thể tự cài đặt môi trường, triển khai mô hình, đọc nhật ký, kiểm tra lỗi và gọi máy thực thông qua ROCm CLI. Nhà phát triển chỉ cần đưa ra mục tiêu, còn lại hãy để Agent tự tìm đường.

Điểm nhấn quan trọng: AMD thậm chí đã thay đổi cả cách viết hướng dẫn sử dụng chip.

Anush Elangovan, Phó chủ tịch phụ trách phần mềm và giải pháp AI của công ty, tiết lộ tại sự kiện rằng mỗi thế hệ GPU AMD đều sẽ công khai tập lệnh và cung cấp ISA (tập lệnh kiến trúc) mà AI có thể đọc hiểu.

Sau khi đọc hiểu tài liệu, Agent có thể trực tiếp bắt tay vào điều chỉnh hiệu suất.

AMD giao phần việc này cho Hyperloom. Nó sẽ khởi chạy dịch vụ suy luận, chạy ra kết quả cơ sở (baseline), sau đó tìm kiếm các nút thắt cổ chai trên CPU và GPU, kiểm tra các cấu hình khác nhau, tạo ra các kernel tùy chỉnh và cuối cùng chạy lại quy trình với phương án mới.

Trong phần trình diễn thực tế, Hyperloom đã tăng tốc độ đầu ra của MiniMax M3 lên 38%. AMD còn để nó chạy thử 14.000 mô hình cùng lúc, biến kết quả kiểm thử thành kinh nghiệm có thể tái sử dụng ngay cho lần sau.

AMD cũng đang cùng các công ty mô hình tiên tiến huấn luyện khả năng này. Lời của Elangovan rất đáng chú ý: Hãy để các mô hình tiên tiến "bẩm sinh biết nói ngôn ngữ lập trình AMD".

Sau này khi nhìn vào một con chip, ngoài sức mạnh tính toán đỉnh cao và băng thông bộ nhớ, thì việc AI có thể đọc hiểu, điều khiển và tối ưu hóa hiệu suất của nó hay không cũng sẽ được đưa vào bảng thông số kỹ thuật.

Các công ty chip giờ đây có thêm một đối tượng nhà phát triển cần chinh phục: Agent.

Cú giáng đòn từ ASI

CUDA đi từ năm 2006 đến nay nhờ vào hệ sinh thái được xây dựng bởi vô số kỹ sư qua từng dòng mã. Trình biên dịch, thư viện toán học, trình gỡ lỗi, công cụ phân tích hiệu suất, tài liệu phát triển, tất cả đều đầy đủ.

Điều khó sao chép hơn chính là "cảm giác" mà các thế hệ kỹ sư đã tích lũy được. Cách điều chỉnh toán tử, cách tăng tốc truyền tin, cách phân bổ bộ nhớ, nơi dễ xảy ra lỗi nhất trong triển khai phân tán, tất cả những kinh nghiệm này đều nằm trong đầu của một số ít chuyên gia.

Những người đến sau dù có tạo ra chip với hiệu suất tương đương thì cũng phải đi lại con đường phần mềm dài đằng đẵng đó từ đầu. Việc sản xuất chip (tape-out) có thể tiến hành theo quý, nhưng tích lũy hệ sinh thái thì chỉ có thể kiên trì theo năm tháng.

Và Agent chính là mảnh ghép bù đắp cho khoảng trống đó. Nó đọc tài liệu nền tảng, gọi công cụ phân tích hiệu suất, tìm ra nơi bị nghẽn, sau đó sửa mã, biên dịch và kiểm thử. Phương án này không hiệu quả thì đổi phương án khác; nếu kết quả chạy thử tốt lên thì tiếp tục tối ưu hóa theo hướng đó.

Con người cần tính bằng năm để đào tạo một kỹ sư GPU hàng đầu, còn để khởi chạy thêm một Agent thì chỉ cần mở thêm một tác vụ.

Một kỹ sư có thể tung ra một nhóm Agent để song song kiểm tra lỗi và xác định các nút thắt hiệu suất. Các cấu hình đã chạy thành công, các kernel đã viết xong và những "ổ gà" đã từng vấp phải đều có thể ngay lập tức trở thành điểm khởi đầu cho nhóm Agent tiếp theo.

Nén khoảng thời gian đuổi kịp từ tính bằng năm xuống còn tính bằng tác vụ, đây chính là giá trị quý giá nhất của AI. Đây cũng chính là cú giáng đòn hạ cấp kiểu ASI đối với hệ sinh thái CUDA.

Ngày nay, các kỹ sư Trung Quốc đã đứng ở tuyến đầu của cuộc cải cách ngăn xếp phần mềm GPU bằng AI, những kinh nghiệm nền tảng mà họ đúc kết được cũng đang được hệ thống hóa thành các khả năng mà nhiều Agent hơn có thể sử dụng.

Điểm khởi đầu mới để đuổi kịp CUDA đã xuất hiện: Hãy giao diện phần cứng và công cụ phần mềm cho AI, và để Agent trực tiếp bắt tay vào việc.