Anthropic與谷歌、博通達成合作協議擴增算力

Anthropic公司周一宣布與谷歌和博通簽署新協議，將從2027年開始增加數千兆瓦的TPU容量，以應對不斷加速的客戶需求。該模型提供商在過去兩個月內將企業客戶數量翻了一番，從2月份的500家增至現在的1000多家。

Anthropic在谷歌TPU、英偉達GPU和AWS Trainium芯片上訓練和運行其Claude前沿AI模型，這種多樣化的硬件組合"為依賴Claude進行關鍵工作的客戶帶來更好的性能和更強的韌性"。該公司表示，多樣化的硬件幫助其在包括谷歌云、AWS和微軟Azure在內的關鍵云平臺上為客戶提供Claude服務。

Gartner副總裁分析師Alastair Woolcock在郵件中告訴CIO Dive，這筆交易突出了互連性，并表明"AI基礎設施正在成為一個工業供應鏈，而不僅僅是云采購"。"這讓CIO們更有信心，領先的模型提供商正在確保企業級AI所需的容量。然而，前沿AI的獲取將越來越傾向于那些能夠提前數年鎖定芯片、資本和基礎設施的提供商。"

反映企業對AI服務需求增長的全球AI基礎設施支出預計將在2026年增加。隨著供應商競相為企業部署提供算力，CIO們需要關注可用算力和基礎設施的限制。

Forrester首席分析師Naveen Chhabra在發給CIO Dive的郵件中表示，像Anthropic這樣的AI模型提供商鎖定大量算力表明"大規模AI訪問將有利于與超大規模基礎設施結盟的公司"。

"風險不在于模型質量，而在于企業是否能夠確保容量、控制成本，并在AI需求超過供應的情況下避免長期鎖定，"Chhabra說。

Chhabra表示，CIO們需要將算力視為受限資源進行規劃，將供應商策略錨定在可用基礎設施的現實基礎上，將FinOps重點放在AI支出上，并在模型通過多個云提供商提供時推動供應商提高透明度。

隨著算力成為戰略資源，供應商正在達成新交易并擴大現有合作伙伴關系，以更好地爭奪企業資金。

AWS在2月份與OpenAI啟動了一項多年合作伙伴關系，分發OpenAI Frontier——這是Anthropic競爭對手的AI智能體企業平臺。同月，英特爾與SambaNova合作支持企業AI推理能力。與此同時，IBM最近宣布與Arm合作構建支持IBM Z大型機的雙架構硬件，幫助企業運行AI工作負載。

Anthropic周二宣布了"玻璃翼項目"(Project Glasswing)，這是另一個聯合多家公司的倡議，將使用這家大語言模型提供商尚未發布的前沿模型Claude Mythos Preview作為其網絡安全策略的一部分。合作伙伴包括AWS、Anthropic、蘋果、博通、谷歌、微軟、英偉達、思科、CrowdStrike、摩根大通、Linux基金會和Palo Alto Networks。

IDC軟件開發研究副總裁Arnal Dayaratna在發給CIO Dive的郵件中表示，Anthropic擴大與谷歌和博通合作伙伴關系的舉措表明，大規模算力訪問是"通用模型的關鍵差異化因素"。

他補充說，該供應商在合作伙伴關系中的作用"反映了與大規模算力提供商的密切結盟如何能夠支持通用系統的開發和部署"。

"大規模的專用基礎設施承諾影響模型訓練的速度、迭代的頻率，以及在企業工作負載中部署的廣度，"Dayaratna說。"確保這種級別算力并在訓練和推理過程中有效管理它的能力，越來越影響哪些組織能夠推進模型能力并在規模上可靠運行。"

Woolcock表示，該合作伙伴關系表明"前沿AI正在從芯片競賽轉向系統和電力競賽"，獲勝者將是能夠同時確保硅、互連性和電力的提供商。

Woolcock說，此舉還展示了"前沿領域的容量多樣化和韌性"。Anthropic在聲明中指出，雖然它正在擴大與谷歌云的關系，但亞馬遜仍然是其主要云提供商和訓練合作伙伴。

"Anthropic自身的策略表明企業應該保持選擇權，"Woolcock說。

Q&A

Q1：Anthropic為什么要與谷歌和博通簽署算力協議？

A：Anthropic面臨快速增長的客戶需求，企業客戶數量在兩個月內從500家翻倍至1000多家。為了滿足這種加速的需求，公司需要從2027年開始增加數千兆瓦的TPU容量，確保能夠為依賴Claude進行關鍵工作的客戶提供更好的性能和韌性。

Q2：多元化硬件策略對企業用戶有什么好處？

A：Anthropic在谷歌TPU、英偉達GPU和AWS Trainium芯片等多樣化硬件上運行Claude模型，這種策略能為客戶帶來更好的性能和更強的韌性。同時幫助公司在谷歌云、AWS和微軟Azure等關鍵云平臺上提供服務，讓企業用戶有更多選擇權。

Q3：這種算力合作對未來AI發展有什么影響？

A：專家認為前沿AI正從芯片競賽轉向系統和電力競賽，能夠提前數年鎖定芯片、資本和基礎設施的提供商將獲得優勢。大規模算力訪問將成為通用模型的關鍵差異化因素，影響模型訓練速度、迭代頻率和企業部署的廣度。