文章上線

Anthropic 與 Nscale 達成大規模 450 億美元租用協議並持續擴展合作關係,擴張其運算版圖

Anthropic 與 Nscale 達成大規模 450 億美元租用協議並持續擴展合作關係,擴張其運算版圖

目錄

你可能想知道

Anthropic 如何透過新的供應商協議快速增加其 AI 運算能力?

這些大規模、多年的運算承諾對主要 AI 公司之間的競爭意味著什麼?

主要議題

據一位向 TechCrunch 透露此安排的人士表示,Anthropic 已同意向英國基礎設施供應商 Nscale 租用約 450 億美元的 AI 運算資源。這些運算能力將使用 Nvidia 最新的 Vera Rubin 晶片系統交付,該先進架構結合六種不同晶片類型協同運作。消息人士指出,所取得的運算資源預計將在 2027 年底開始為 Anthropic 的服務提供動力。

Nscale 成立於 2024 年,已與微軟等大型雲端與科技公司簽訂交易,將從其位於西維吉尼亞的旗艦資料中心供應 Anthropic。彭博社最先報導了這筆交易,該交易被描述為為期六年的協議,並代表 Anthropic 迅速累積運算合作夥伴關係的最新一筆。這些協議反映出一項刻意策略,即確保對支援先進 AI 模型訓練與推理的專用硬體的長期、大規模存取。

在過去數月中,Anthropic 與多家夥伴追求了多項重大運算承諾。本月早些時候,公司宣布與 Volta(同年一月成立的雲端供應商)簽訂為期六年、價值 100 億美元的協議,從挪威的一個資料中心取得雲端運算。七月,Anthropic 與 AMD 簽署了一筆 50 億美元相關的運算協議。五月,公司公開了與 SpaceX 的重大運算協議,該協議使用兩個 SpaceX 資料中心的能量,據報每月提供約 12.5 億美元的容量。四月,Anthropic 擴大了與亞馬遜的長期關係以取得額外 5 吉瓦的運算能力,同一時期也擴展了與 Google 與 Broadcom 的合作以增加更多電力容量。

這些舉措屬於更廣泛的產業型態:領先的 AI 開發者正競相確保大量專用運算資源。Anthropic 為期數年的數十億美元運算交易風潮,旨在確保可預測地取得高階加速器與資料中心吞吐量,以利訓練日益龐大的模型並在大規模上運行計算密集型服務。取得長期運算承諾可以降低對市場波動與硬體短缺的暴露風險,在對高階 AI 運算需求持續上升的情況下,這是一項策略上的優勢。

Vera Rubin,Nvidia 的前沿晶片系統,以整合多種晶片類型來優化大型模型工作負載的效能、能源效率與資料移動而著稱。在資料中心部署此類系統不僅涉及硬體採購,還包含整合、冷卻、供電規劃與專用網路。透過與經營最先進中心的供應商合作 — 無論是新成立的公司如 Nscale 與 Volta,或是既有的大型雲端業者 — Anthropic 正在多樣化其供應鏈與地理位置,這可提升全球服務傳遞的韌性與延遲表現。

AI 基礎設施市場的競爭非常激烈。主要業者包括 OpenAI、Google 與 Meta 同樣在透過合作關係、自建資料中心或長期供應商合約來擴大運算規模。這些平行的努力加劇了對最新加速器的需求,並可能推動價格、可用性以及資料中心設計和晶片工程的創新。對於建構前沿 AI 模型的公司而言,優先取得高效能運算正日益成為競爭策略的核心要素。

除了商業與戰術面向外,Anthropic 的一連串協議反映出採購 AI 運算能力方式的更廣泛轉變:從臨時的即時採購轉向類似能源或電信容量合約的多年期、量身訂做的供應安排。此類合約通常包含共置、專用機架或訂製的基礎設施設定,以滿足獨特的模型訓練與推理需求。

總之,Anthropic 與 Nscale 的報導中 450 億美元租用協議是近期一連串策略性運算協議中最新也最龐大的一筆。這些承諾旨在確保先進硬體 — 尤其是 Nvidia 的 Vera Rubin 系統 — 並提供開發與運行次世代 AI 系統所需的持續、可擴展能力,同時使 Anthropic 在日益激烈的產業競賽中具備競爭定位。

關鍵見解表

面向 說明
關鍵事實 1 Anthropic 簽署協議,向 Nscale 租用約 450 億美元的運算,透過 Nvidia 的 Vera Rubin 晶片供應。
關鍵事實 2 該交易是多項多年期運算合作(SpaceX、Volta、AMD、Amazon、Google、Broadcom)的一部分,旨在擴展容量與韌性。

後續…

展望未來,快速累積的多年期運算合約顯示出技術與政策應關注的領域。加速器架構(如異構晶片系統)、資料中心能源效率與先進冷卻技術的持續創新,對於在控制營運成本與環境影響的同時滿足日益增長的運算需求將至關重要。此外,供應鏈多樣化與設施的地理分散,對於抵禦區域性中斷與地緣政治風險仍然很重要。

在研究與標準面,投資能最大化異構硬體利用率的軟體堆疊、改進分散式訓練的工具,以及能降低每個模型所需運算的技術(例如更高效的架構或模型壓縮),可降低對原始容量的部分壓力。同樣地,關於公平存取、市場集中度與集中運算能力對社會影響的治理對話,隨著公司持續鎖定大量專用基礎設施,可能會更加激烈。

簡言之,確保充足且先進的運算能力是當代 AI 競爭的顯著特徵。持續進展將依賴於結合硬體創新、資料中心工程、軟體效率與審慎的政策,以確保這些運算被有效且負責任地部署。

最後編輯時間:2026/8/26

數字匠人

閒散過客