夜雨聆风这两天我看了一篇 EE Times 对 AMD 的独家采访。
看完之后，我对这件事的理解变了。
以前大家总把 AI 基建理解成芯片战。
谁有更多 GPU。
谁拿到了更多产能。
谁把成本再压低一点。
这些当然重要。
但这篇采访让我更确定了一点：
AMD 想从 NVIDIA 手里拿走数据中心 GPU 份额，关键不在于下一张卡能不能追上。
关键在于 ROCm 能不能让更多团队低摩擦地迁过去，稳定地跑下去。
采访链接：
https://www.eetimes.com/taking-on-cuda-with-rocm-one-step-after-another/
这比跑分更重要。
因为这已经不是“又多了一个竞品”的问题了。
这是一场软件战。
缺卡是新闻，难迁才是现实
过去两年，大家聊 AI 基建，最容易聊到的都是卡。
谁有更多 GPU。
谁拿到了更多产能。
谁的推理成本更低。
谁又把哪一代卡卖爆了。
这些当然重要。
但如果你真的把一套 AI 系统往生产环境里放，你很快就会发现，卡只是开始。
真正麻烦的，是后面那一整串事。
模型能不能顺利跑起来。
现有代码能不能迁过去。
框架兼不兼容。
驱动稳不稳定。
线上出了问题，谁来排。
版本升级以后，会不会把已经跑顺的东西重新打乱。
这些东西加在一起，才更接近真实世界里的 AI 基建。
所以我越来越觉得，很多人对 AI 基建的理解，其实还停在表层。
表层是缺卡。
底层是难迁。
卡可以买。
难迁，是另一回事。
NVIDIA 的护城河，是默认选项
这篇采访把一件大家都知道、但很少说透的事摆到了台面上。
今天最难被撬动的，不只是 NVIDIA 的硬件领先。
更关键的是 CUDA 这整套软件生态，已经长成了默认选项。
默认选项最可怕的地方，不是它永远最好。
是所有东西都开始围着它长。
教程是围着它写的。
框架是围着它跑的。
团队经验是围着它积累的。
出了问题以后，排障方法也是围着它长出来的。
这意味着什么？
意味着你想挑战 NVIDIA，难点不只是“做一张更强的卡”。
难点是让别人愿意把已经跑顺的东西搬过来。
这已经不是纯硬件问题了。
这是软件问题。
也是组织问题。
软件栈限制的是摩擦
很多人一听“软件栈”就觉得太技术。
但用大白话说，它其实就是：
你手里这套硬件，到底好不好用。
别小看“好不好用”这四个字。
在 AI 基建里，它很多时候比“强不强”更先决定结果。
因为真实世界的竞争，不是实验室里跑一次 benchmark。
而是很多团队要持续地训练、部署、推理、升级、排错、迁移。
一旦这个过程里摩擦太大，再强的卡，也很难真的变成产能。
软件栈限制的，不只是性能上限。
它限制的是摩擦。
摩擦高，团队就不想迁。
摩擦高，部署就容易拖。
摩擦高，线上出一次问题，大家就会退回最熟的默认选项。
所以企业最后真正关心的，往往不是“理论上能不能跑”。
他们在意的是：能不能少折腾地跑下去。
芯片决定上限。
软件栈决定上限能不能兑现。
你把它和 Harness 放在一起看，就更容易懂了
前几天我们刚写过 Harness。
那篇文章真正想说的，也不只是一个术语。
它说的是一个更底层的逻辑：
模型能力当然重要。
但决定它能不能进入生产环境的，还有外面那套环境、边界、权限、日志和交接规则。
Harness 解决的是 AI 怎么上班。
软件栈解决的，更像是 GPU 怎么上岗。
芯片像引擎。
软件栈像整辆车。
你不能因为发动机很好，就默认这辆车一定好开。
能不能启动。
容不容易坏。
坏了以后能不能修。
换一个司机上来会不会直接熄火。
这些问题，决定的都不是发动机参数。
而是整套系统。
所以 ROCm 这条新闻最值得看的，不是 AMD 离 NVIDIA 还有多远。
而是一个大家越来越绕不过去的现实：
AI 世界里，外层系统正在比底层能力更像门槛。
你再回头看 Claude，就会发现逻辑其实一样
前几天很多人说 Claude 变笨了。
但如果把那一轮讨论认真看完，你会发现，大家最后追到的，也不只是“模型本体是不是突然不行了”。
大家追到的是：
缓存怎么配。
思考预算怎么分。
默认参数怎么调。
哪些能力放出来，哪些能力收回去。
这些设置一变，用户感受到的能力、成本和稳定性，就会一起变。
很多胜负根本不发生在最底层。
它发生在底层外面的那一层。
前几天 Claude 那轮争论是这样。
今天 ROCm / CUDA 这条线也是这样。
底层能力当然重要。
但最后决定你体感的，往往是外面那套系统怎么把它分配、包装、释放出来。
AMD 现在越来越像一家软件公司
这也是这篇采访里我最喜欢的地方。
AMD 这次讲 ROCm，已经不太像在讲一个附属组件了。
更像在讲一个产品。
采访里提到，ROCm 希望在接下来的几个版本里走向更快的发布节奏，目标是让用户最后像用 Chrome 一样，不太关心自己到底在用哪个版本，只在意它是不是稳定工作。
它还提到一个很重要的变化。
以前很多人谈迁移，谈的是把 CUDA kernel 改成 HIP kernel。
现在越来越多客户已经工作在更高层了。
Triton、MLIR、vLLM、SGLang 这些东西，把问题往上提了一层。
也正因为这样，采访里有一句很关键：
最后用户希望的是，`pip install vLLM`，剩下的东西最好都包在里面。
这句话看起来一点都不热血。
但真实世界就是这么竞争的。
没人想为了一张新卡，把旧系统重做一遍。
大家只在意一件事：
换过去麻不麻烦。
AI 基建里最值钱的能力，就是把迁移摩擦压低。
真正的战争，已经从“谁有卡”变成“谁更容易换过去”
这可能才是今天 AI 基建最重要的变化。
以前大家觉得，这是一场资源战。
谁更有钱。
谁更有卡。
谁更能堆机器。
这当然还是事实。
但它只说对了一半。
另一半是：
谁更容易迁移。
谁更容易部署。
谁更容易维护。
谁更容易让开发者少踩坑。
谁更容易把“理论性能”变成“组织愿意真的下注的生产力”。
这才是长期战争。
也是更难打的战争。
因为卡可以买。
软件栈要磨。
开发者信任更要磨。
真正卡住的，往往不是最贵的那一层
很多行业都是这样。
表面上最贵的东西，不一定是最卡的东西。
AI 基建也一样。
GPU 当然贵。
但真正让企业不敢轻易换平台的，很多时候是另一笔隐形成本。
换一套卡，等不等于把现有的工具链、工作流、团队经验和排障习惯一起重来。
只要答案是“等于”，很多团队就不会动。
所以今天这场仗，表面上是芯片仗。
往里看，是软件仗。
卡决定速度。
软件栈决定迁移意愿。
开发者信任决定份额。
缺卡是新闻。
难迁才是现实。
参考链接
EE Times 独家采访：
https://www.eetimes.com/taking-on-cuda-with-rocm-one-step-after-another/
ROCm release history：
https://rocm.docs.amd.com/en/latest/release/versions.html
ROCm AI inference 文档：
https://rocm.docs.amd.com/en/latest/how-to/rocm-for-ai/inference/index.html
Claude Code issue `#42796`：
https://github.com/anthropics/claude-code/issues/42796
Claude Code issue `#46829`：
https://github.com/anthropics/claude-code/issues/46829
