框架

MHS 硬件接口是什么?Anthropic 的 AI 芯片野心

Anthropic 发布 MHS 预览,试图统一 AI 集群内的硬件互连。热度虽低,却可能影响 Claude 在不同芯片上的部署成本。

字号

Anthropic 发布了 Model Hardware Standard(MHS)Research Preview。它试图统一 AI 集群内 GPU、CPU、内存和加速器之间的连接方式。对使用 AI 的人来说,关键问题是:Claude 能否因此更方便地跑在更多硬件上?

MHS 不是新芯片,而是硬件互连方案

MHS 全称 Model Hardware Standard。它不是芯片,也不是 AI 加速器。公开预览描述的范围主要包括:

  • GPU 与 GPU 之间的连接
  • GPU 与主机 CPU、内存之间的连接
  • GPU 与专用 ASIC 等不同加速器之间的互连

Anthropic 想提供一套类似 PCIe 或 NVLink 的接口,让 AI 集群不必完全依赖某一种芯片厂商的协议。

不过,这次发布仍然是 research preview。公开材料没有给出足够完整的规范,因此带宽、兼容设备和实际性能暂时不能确认。

23 分和 11 条评论说明了什么?

草稿记录该页面在 Hacker News 上获得了 23 分、11 条评论。这个数字明显低于 MCP 协议发布时的关注度。

原因不复杂。

  1. MHS 面向硬件和基础设施,离普通应用开发者较远。
  2. 预览版没有公开完整规范,讨论基础不足。
  3. GPU、CPU 和 ASIC 之间的互连,本来就是专业问题。

热度低不等于没有用。硬件接口通常埋在服务器、驱动和调度系统里。开发者看不见它,但它会影响训练速度、部署成本和供应商选择。

哪些厂商被列在 MHS 页面?

MHS 页面列出的合作方包括 NVIDIA、AMD、AWS、Google Cloud 和 Microsoft Azure。这个名单来自 Anthropic 的公开页面,但具体合作深度不能仅凭名单判断。

这里要区分两件事。

MHS 是想替代 NVLink,还是补上不同互连方案之间的缺口?

更可能是后者。NVIDIA 的 NVLink 主要服务自家 GPU,AMD 使用 Infinity Fabric,AWS 有 Trainium,Google Cloud 有 TPU。各家方案解决的问题不同,也不会因为一份预览立即合并。

MHS 的价值,可能在于给上层软件提供一个相对统一的抽象。它未必取代底层硬件协议,而是试图让训练框架和集群调度系统少适配几套接口。

Anthropic 为什么推动 MHS?

首先,Anthropic 需要降低 Claude 的部署成本。

Claude 的训练和推理如果过度依赖 NVIDIA,供应、定价和产能变化都会影响服务。统一接口后,Anthropic 更容易评估 Trainium、TPU 和 AMD 硬件。

其次,Anthropic 需要增加云厂商的议价空间。

AWS、Google Cloud 和 Microsoft Azure 都有自己的芯片计划。它们希望减少对 NVIDIA 的单一依赖,也希望争取 Claude 相关的训练和推理工作负载。

最后,MHS 可能成为 Anthropic 对抗单一硬件生态的工具。

NVIDIA 的优势不只在芯片,还在 CUDA、NCCL、TensorRT 和 NVLink 组成的软硬件组合。单独换掉其中一个环节,很容易遇到兼容性和性能问题。MHS 如果能让上层软件跨硬件运行,Anthropic 就多了一个迁移筹码。

MHS 面临什么实际阻力?

最大的阻力不是接口名称,而是生态。

过去已有不少互连标准:

  • Gen-Z:2016 年提出,后来基本淡出
  • CCIX:仍然存在,但采用范围有限
  • CXL:应用较广,但兼容性和厂商配合仍是问题
  • OpenCAPI:由 IBM 推动,市场影响较小

这些标准说明,协议设计出来只是开始。驱动、编译器、框架、调度器和运维工具都得跟上。

MHS 目前有三个风险:

  • NVIDIA 没有动机把 NVLink 的核心优势让给开放接口。
  • AMD 即使支持,也不一定把 MHS 放到主要产品线上。
  • 云厂商各有自研芯片,未必愿意把底层控制权交给统一标准。

所以,MHS 更现实的路径可能是先服务 Claude 自己的部署。它未必在三年内取代 NVLink 或其他专有方案。

除非 Anthropic 能公开一次大规模训练迁移案例。否则,厂商支持名单很难证明 MHS 已经具备生产可用性。

编辑思考

MHS 值得关注,不是因为它已经能替代 NVLink,而是因为 Anthropic 把问题从模型层推到了硬件层。过去,模型公司通常通过 API 屏蔽芯片差异;这次 Anthropic 试图直接定义底层接口。它与 MCP 的不同之处在于,MCP 处理模型如何调用工具,MHS 处理算力如何在集群中协同。

我的判断是,MHS 短期更可能是 Anthropic 的供应链和采购工具,而不是整个 AI 行业的新标准。真正的检验不是有多少厂商出现在网页上,而是有没有公开的训练或推理迁移结果。没有带宽、延迟、兼容设备和部署规模数据时,不宜把它解读为 NVIDIA 生态的正式挑战。

来源:Anthropic - Model Hardware Standard Research Preview

来源: https://www.anthropic.com/news/model-hardware-standard-research-preview