不再只靠輝達 GPU？AI 代理式編程鬆動 CUDA 生態

隨著代理式（agentic）AI 編程工具快速成熟，GPU 軟體生態的既有分野正出現鬆動跡象。近期有開發者分享，利用 Anthropic 推出的 Claude Code，在短短 30 分鐘內，便將一套 CUDA 後端程式移植至 AMD 的 ROCm 平台，且未透過 Hipify 等傳統轉譯工具，引發外界對 CUDA 生態護城河是否正在被侵蝕的討論。

The future of GPU programming is agentic. https://t.co/u6804eVnuu

— Anush Elangovan (@AnushElangovan) January 22, 2026

根據 Wccftech 報導，不同於過去僅能輔助補寫程式碼的 AI 工具，Claude Code 屬於「代理式編程」架構，能夠理解整體程式碼結構，自行拆解任務並修改多個檔案。該名開發者指出，移植過程中主要問題僅集中在資料配置（data layout）差異，而非 API 或語法層面的轉換，顯示 AI 在跨平台程式移植上的效率已明顯提升。

業界分析指出，這類工具對於結構相對單純、模組化程度高的 CUDA 程式碼，確實具備快速移植的可行性。由於 AMD 的 ROCm 在設計上高度對齊 CUDA 的程式模型，使得基礎 kernel 與運算邏輯能被 AI 有效對應。不過，若涉及高度耦合的大型專案、複雜通訊架構，或深度依賴 GPU 微架構與快取層級最佳化，代理式 AI 目前仍難以完全取代人工調校。

值得注意的是，這項趨勢並非直接動搖輝達在硬體與高階運算效能上的領先地位。H100、Blackwell 系列 GPU，以及 NVLink、HBM 與軟硬整合能力，短期內仍是市場難以撼動的優勢。然而，CUDA 長期以來最具防禦力的並非單一技術，而是高昂的生態轉換成本──大量既有程式碼、工程師技能鎖定，以及跨平台移植所需的時間與風險。

隨著 Agentic coding 工具逐步降低這些轉換門檻，企業在新專案與長期架構規畫上，開始有更多彈性選項。特別是雲端服務商與大型運算用戶，未來可能更傾向採取多 GPU 平台並行策略，以降低對單一供應商的依賴。