创业公司Wafer正在训练AI模型来自动为任何芯片架构优化软件，有可能打破Nvidia对性能软件生态系统的垄断。该公司在开源模型上使用强化学习来编写内核代码，并为Claude和GPT-4等模型添加"代理线束"来提高它们针对特定硬件的编码能力。Wafer已经与AMD和Amazon建立了合作关系，从包括Google的Jeff Dean和OpenAI的Wojciech Zaremba在内的知名投资者那里筹集了400万美元。

这很重要，因为Nvidia4万亿美元的估值不仅仅建立在优越的硅芯片上——而是他们的CUDA软件生态系统使得他们的芯片更容易编程和优化。正如Wafer首席执行官Emilio Andere指出的，"最好的AMD硬件、最好的Trainium硬件、最好的TPUs"现在都能匹配Nvidia的原始计算能力。瓶颈一直是释放这种潜力所需的稀缺且昂贵的性能工程师。如果AI能够自动化这项优化工作，那么每个芯片都会变得像Nvidia的芯片一样易于访问。

更广泛的"AI民主化"叙述远远超出了芯片范围。行业讨论揭示了类似的模式，在农业领域，专家们辩论AI是否能让先进的农业技术为小农户所用；在通用计算界面方面，一些人认为large language models将成为通用UI，使所有软件更易于使用。但芯片优化问题更加具体——它是关于自动化一个特定的、可测量的工程任务，而不是关于"赋能每个人"的模糊承诺。

对于开发者来说，这可能会重塑基础设施选择。如果Wafer和类似工具能够可靠地为替代芯片优化代码，那么GPU短缺溢价和CUDA锁定就变得不那么重要了。真正的考验将是AI生成的优化是否能在生产工作负载中匹配手工调优的性能，而不仅仅是基准测试。