文章上線

Anthropic 与 Nscale 达成大规模 450 亿美元租用协议并持续扩展合作,扩张其算力版图

Anthropic 与 Nscale 达成大规模 450 亿美元租用协议并持续扩展合作,扩张其算力版图

目录

你可能想知道

Anthropic 如何通过新的供应商协议快速增加其 AI 计算能力?

这些大规模、多年的计算承诺对主要 AI 公司之间的竞争意味着什么?

主要议题

据一位向 TechCrunch 披露此安排的人士表示,Anthropic 已同意向英国基础设施供应商 Nscale 租用约 450 亿美元的 AI 计算资源。这些计算能力将使用 Nvidia 最新的 Vera Rubin 芯片系统交付,该先进架构结合六种不同芯片类型协同工作。消息人士指出,所获得的计算资源预计将在 2027 年底开始为 Anthropic 的服务提供动力。

Nscale 成立于 2024 年,已与微软等大型云端与科技公司签订交易,将从其位于西弗吉尼亚的旗舰数据中心为 Anthropic 提供服务。彭博社最先报道了这笔交易,该交易被描述为为期六年的协议,并代表 Anthropic 迅速积累计算合作伙伴关系的最新一笔。这些协议反映出一项刻意策略,即确保对支持先进 AI 模型训练与推理的专用硬件的长期、大规模访问。

在过去数月中,Anthropic 与多家合作伙伴达成了多项重大计算承诺。本月早些时候,公司宣布与 Volta(同年一月成立的云提供商)签订为期六年、价值 100 亿美元的协议,从挪威的一个数据中心获取云计算。七月,Anthropic 与 AMD 签署了一笔 50 亿美元相关的计算协议。五月,公司披露了与 SpaceX 的重大计算协议,该协议使用两个 SpaceX 数据中心的容量,据报道每月提供约 12.5 亿美元的容量。四月,Anthropic 扩大了与亚马逊的长期关系以获取额外 5 吉瓦的计算能力,同一时期也扩展了与 Google 与 Broadcom 的合作以增加更多电力容量。

这些举措属于更广泛的行业模式:领先的 AI 开发者正竞相确保大量专用计算资源。Anthropic 锁定多年、多亿美元级别计算交易的举动,旨在确保可预测地获取高端加速器与数据中心吞吐量,以便训练日益庞大的模型并在大规模上运行计算密集型服务。取得长期计算承诺可以降低对市场波动与硬件短缺的暴露风险,在对高级 AI 计算需求持续上升的情况下,这是一项战略优势。

Vera Rubin,Nvidia 的前沿芯片系统,以整合多种芯片类型来优化大型模型工作负载的性能、能源效率与数据移动而著称。在数据中心部署此类系统不仅涉及硬件采购,还包括集成、冷却、供电规划与专用网络。通过与运营最先进中心的供应商合作——无论是新成立的公司如 Nscale 与 Volta,或是既有的超大云提供商——Anthropic 正在多样化其供应链与地域分布,这可以提高全球服务交付的弹性与延迟表现。

AI 基础设施市场的竞争非常激烈。主要参与者包括 OpenAI、Google 与 Meta 同样在通过合作、内部数据中心或长期供应商合约来扩展计算规模。这些并行努力加剧了对最新加速器的需求,并可能推动价格、可用性以及数据中心设计和芯片工程的创新。对于构建前沿 AI 模型的公司而言,优先获得高性能计算正日益成为竞争策略的核心要素。

除了商业与战术层面外,Anthropic 的一系列协议反映出采购 AI 计算能力方式的更广泛变化:从临时的现货采购转向类似能源或电信容量合同的多年期、定制化供应安排。此类交易通常包括共置、专用机架或专门的基础设施配置,以满足独特的模型训练与推理需求。

总之,Anthropic 与 Nscale 的报道中 450 亿美元租用协议是近期一连串策略性计算协议中最新且规模最大的之一。这些承诺旨在确保先进硬件——尤其是 Nvidia 的 Vera Rubin 系统——并提供开发与运行下一代 AI 系统所需的持续、可扩展能力,同时使 Anthropic 在不断升级的行业竞赛中具备竞争地位。

关键见解表

面向 说明
关键事实 1 Anthropic 签署协议,向 Nscale 租用约 450 亿美元的计算,通过 Nvidia 的 Vera Rubin 芯片供应。
关键事实 2 该交易是多项多年期计算合作(SpaceX、Volta、AMD、Amazon、Google、Broadcom)的一部分,旨在扩展容量与弹性。

后续…

展望未来,快速累积的多年期计算合同表明技术与政策应关注的领域。加速器架构(如异构芯片系统)、数据中心能源效率与先进冷却技术的持续创新,对于在管理运营成本与环境影响的同时满足日益增长的计算需求将至关重要。此外,供应链多样化与设施的地理分布,对于抵御区域性中断与地缘政治风险仍然重要。

在研究与标准方面,投资于最大化异构硬件利用的软体堆栈、改进分布式训练工具,以及能减少每个模型所需计算的技术(例如更高效的架构或模型压缩),可缓解部分原始容量需求的压力。同样,关于公平访问、市场集中度与集中计算能力对社会影响的治理讨论,随着公司持续锁定大量专用基础设施,可能会更加激烈。

简而言之,确保充足且先进的计算能力是当代 AI 竞争的显著特征。持续进展将依赖于结合硬件创新、数据中心工程、软件效率与审慎政策,以确保这些计算被有效且负责任地部署。

最後編輯時間:2026/8/26

數字匠人

闲散过客