11月12日、Simon Willisonが「Anthropic's IPO roadshow video」と題した記事を公開した。AnthropicのIPOロードショー動画には、これまで外部に正式には明かされていなかった技術・ビジネス上の詳細が含まれており、AIインフラに関わるエンジニアにとって一読の価値がある内容だ。動画はAnthropicの公式IPOサイトで閲覧できる。なお、Anthropicは公式トランスクリプトを提供していないため、Simon WillisonがMacWhisperで文字起こしを行いGistとして公開したものが情報源となっている。
マルチチップ戦略：4つのチップファミリーを横断する
動画の中で特に技術的に興味深いのが、共同創業者Tom Brownが語る「Approach to compute（計算リソースへのアプローチ）」のセクションだ。
Anthropicは現在、AWS Trainium、Google TPU、NVIDIA GPU、AMD GPUという4種類の主要チップファミリー上でClaudeのトレーニングと推論を実施している。動画では、これを「マルチチップ戦略への早期の賭け」と表現しており、当時は業界内で懐疑的な見方も多かったという。
We train and serve Claude now across all four major chip families. That's only possible because early on we made an unconventional bet on a multi-chip strategy. At the time, many people thought that running AI models on different chips wasn't worth the effort.
各チップには固有のソフトウェアスタックと推論スタック（inference stack）が必要であり、その構築は「高コストかつ困難」とされていた。しかしAnthropicはそれを数年かけて習得し、現在は高い習熟度に達しているという。
なお、Anthropicのマルチチップ戦略の片鱗は、昨年9月に公開された3件の障害のポストモーテムでも垣間見えていた。同文書の中で、TPU環境固有のバグについて言及されており、複数チップで本番稼働していることが示唆されていた。
「Mythos」がAMD対応を3日で完了
マルチチップ戦略の中でも特に驚きをもって受け止められる内容が、AMDへの対応事例だ。
動画によれば、2026年にAnthropicは初めてAMD GPUを採用した。従来、新しいチッププラットフォームへの対応には「数十人のエンジニアが数ヶ月」を要していた。しかし今回はAIシステム「Mythos」を活用したことで、ほぼ人手を介さずにわずか3日でClaudeをAMD上で動作させることに成功したという。カーネル（低レベルな演算処理の実装）のほぼ100%をClaudeが自らポーティングまたは記述した、とされている。
This time, we had Mythos try it out. It got Claude running on AMD in just three days, with basically no human intervention. Claude ported or wrote almost 100% of the kernels.
Mythosは今回のロードショー動画で初めて公式に言及されたとみられる。AIを活用したインフラ開発の自動化という文脈で注目される存在だ。
「compute multiplier」の概念と再帰的自己改善への言及
もう一つ技術的に重要なのが、「compute multiplier（計算乗数）」という概念の説明だ。これは「同じ計算量でより高性能なモデルを実現するための効率化係数」と理解するとわかりやすい。アルゴリズムの改善やカーネル最適化など、物理的なハードウェア増強を伴わずにモデル性能を引き上げる手法全般を指す。
Anthropicは「total effective compute（総有効計算量）」を、物理的な計算能力とcompute multiplierの積として定義している。例えば、あるモデルのトレーニングに本来100ユニットの計算が必要な場合、4倍のcompute multiplierを発見できれば25ユニットで同等のモデルを訓練できる。あるいは100ユニットのまま、従来なら400ユニット必要だったより高性能なモデルを訓練できる。
さらに動画では、再帰的自己改善（recursive self-improvement）への言及もある。
We believe that this can accelerate even further as we approach recursive self-improvement. Claude will be able to discover compute multipliers entirely by itself, allowing the number of compute multipliers to grow faster and faster.
再帰的自己改善とは、AIが自らの能力を向上させるアルゴリズムや最適化手法を自律的に発見・適用していくプロセスを指す。AIの安全性研究において長年議論されてきたトピックであり（OpenAIの関連論文などでも類似の概念が扱われている）、IPOロードショーという投資家向けの文脈でこの用語が使われたことは、Anthropicの技術的な自信を示すものとして受け止められる。
詳細はAnthropic's IPO roadshow videoを参照していただきたい。
