Anthropic与谷歌、博通达成合作协议扩增算力

Anthropic公司周一宣布与谷歌和博通签署新协议，将从2027年开始增加数千兆瓦的TPU容量，以应对不断加速的客户需求。该模型提供商在过去两个月内将企业客户数量翻了一番，从2月份的500家增至现在的1000多家。

Anthropic在谷歌TPU、英伟达GPU和AWS Trainium芯片上训练和运行其Claude前沿AI模型，这种多样化的硬件组合"为依赖Claude进行关键工作的客户带来更好的性能和更强的韧性"。该公司表示，多样化的硬件帮助其在包括谷歌云、AWS和微软Azure在内的关键云平台上为客户提供Claude服务。

Gartner副总裁分析师Alastair Woolcock在邮件中告诉CIO Dive，这笔交易突出了互连性，并表明"AI基础设施正在成为一个工业供应链，而不仅仅是云采购"。"这让CIO们更有信心，领先的模型提供商正在确保企业级AI所需的容量。然而，前沿AI的获取将越来越倾向于那些能够提前数年锁定芯片、资本和基础设施的提供商。"

反映企业对AI服务需求增长的全球AI基础设施支出预计将在2026年增加。随着供应商竞相为企业部署提供算力，CIO们需要关注可用算力和基础设施的限制。

Forrester首席分析师Naveen Chhabra在发给CIO Dive的邮件中表示，像Anthropic这样的AI模型提供商锁定大量算力表明"大规模AI访问将有利于与超大规模基础设施结盟的公司"。

"风险不在于模型质量，而在于企业是否能够确保容量、控制成本，并在AI需求超过供应的情况下避免长期锁定，"Chhabra说。

Chhabra表示，CIO们需要将算力视为受限资源进行规划，将供应商策略锚定在可用基础设施的现实基础上，将FinOps重点放在AI支出上，并在模型通过多个云提供商提供时推动供应商提高透明度。

随着算力成为战略资源，供应商正在达成新交易并扩大现有合作伙伴关系，以更好地争夺企业资金。

AWS在2月份与OpenAI启动了一项多年合作伙伴关系，分发OpenAI Frontier——这是Anthropic竞争对手的AI智能体企业平台。同月，英特尔与SambaNova合作支持企业AI推理能力。与此同时，IBM最近宣布与Arm合作构建支持IBM Z大型机的双架构硬件，帮助企业运行AI工作负载。

Anthropic周二宣布了"玻璃翼项目"(Project Glasswing)，这是另一个联合多家公司的倡议，将使用这家大语言模型提供商尚未发布的前沿模型Claude Mythos Preview作为其网络安全策略的一部分。合作伙伴包括AWS、Anthropic、苹果、博通、谷歌、微软、英伟达、思科、CrowdStrike、摩根大通、Linux基金会和Palo Alto Networks。

IDC软件开发研究副总裁Arnal Dayaratna在发给CIO Dive的邮件中表示，Anthropic扩大与谷歌和博通合作伙伴关系的举措表明，大规模算力访问是"通用模型的关键差异化因素"。

他补充说，该供应商在合作伙伴关系中的作用"反映了与大规模算力提供商的密切结盟如何能够支持通用系统的开发和部署"。

"大规模的专用基础设施承诺影响模型训练的速度、迭代的频率，以及在企业工作负载中部署的广度，"Dayaratna说。"确保这种级别算力并在训练和推理过程中有效管理它的能力，越来越影响哪些组织能够推进模型能力并在规模上可靠运行。"

Woolcock表示，该合作伙伴关系表明"前沿AI正在从芯片竞赛转向系统和电力竞赛"，获胜者将是能够同时确保硅、互连性和电力的提供商。

Woolcock说，此举还展示了"前沿领域的容量多样化和韧性"。Anthropic在声明中指出，虽然它正在扩大与谷歌云的关系，但亚马逊仍然是其主要云提供商和训练合作伙伴。

"Anthropic自身的策略表明企业应该保持选择权，"Woolcock说。

Q&A

Q1：Anthropic为什么要与谷歌和博通签署算力协议？

A：Anthropic面临快速增长的客户需求，企业客户数量在两个月内从500家翻倍至1000多家。为了满足这种加速的需求，公司需要从2027年开始增加数千兆瓦的TPU容量，确保能够为依赖Claude进行关键工作的客户提供更好的性能和韧性。

Q2：多元化硬件策略对企业用户有什么好处？

A：Anthropic在谷歌TPU、英伟达GPU和AWS Trainium芯片等多样化硬件上运行Claude模型，这种策略能为客户带来更好的性能和更强的韧性。同时帮助公司在谷歌云、AWS和微软Azure等关键云平台上提供服务，让企业用户有更多选择权。

Q3：这种算力合作对未来AI发展有什么影响？

A：专家认为前沿AI正从芯片竞赛转向系统和电力竞赛，能够提前数年锁定芯片、资本和基础设施的提供商将获得优势。大规模算力访问将成为通用模型的关键差异化因素，影响模型训练速度、迭代频率和企业部署的广度。