TradingKey - 随着Claude开发商Anthropic正式向美国证券交易委员会提交S-1上市申请,其长期隐藏在云服务合同背后的算力供应链首次得到系统性披露,Anthropic不仅是大型AI模型公司,也已经成为全球最重要的AI芯片采购方之一。
根据公开协议及相关披露估算,Anthropic已经锁定约11GW算力。其中,基于英伟达GPU的签约容量约为4.7GW,占比约42%;谷歌TPU约为4.5GW,规模几乎追平英伟达;亚马逊Trainium约为1.2GW,AMD GPU约为0.8GW。不过上述数字均为第三方估算,不代表Anthropic已经交付、投产或正在运行的实际算力。
由于部分合同采用“最高容量”、分阶段交付或尚未投产等不同口径,各项数字加总会略高于11GW,因此更适合视为大致的供应结构,而非同时上线的实际容量。
Anthropic在招股书中确认,Claude已经能够原生运行于AWS Trainium、谷歌TPU、英伟达GPU和AMD GPU四类芯片之上,并通过自有调度系统,按照成本、性能和供应情况分配不同工作负载。
英伟达(NVDA)仍是Anthropic最大的芯片供应方,约4.7GW的英伟达算力中,相当一部分来自SpaceXAI合作,其余分布于微软Azure、Nscale和Lambda等云计算平台。
英伟达的优势主要来自成熟的CUDA软件生态、GPU集群扩展能力及开发者基础。对于需要同时进行大模型训练和高强度推理的Anthropic而言,英伟达平台仍然是最容易大规模部署的选择。
不过,42%的占比也说明Anthropic没有把算力需求完全押注于单一供应商。与部分高度依赖英伟达GPU的AI云计算公司不同,Anthropic正通过多芯片架构降低供应受限、价格上涨及交付延期带来的风险。
这种策略对英伟达具有两面影响。一方面,Anthropic仍将是其重要客户,AI模型训练和推理需求扩张有望持续推动GPU采购;另一方面,谷歌TPU、AWS Trainium和AMD GPU的份额增加,意味着英伟达在大型AI实验室内部面临的替代压力正在上升。
谷歌母公司Alphabet(GOOGL)可能是Anthropic算力多元化策略中最明显的受益者。Anthropic锁定的谷歌TPU算力约为4.5GW,与英伟达GPU的规模仅相差约0.2GW。
这意味着TPU已经不再只是谷歌内部训练Gemini模型的专用硬件,而是逐渐成为可向外部大型客户提供的商业化算力平台。Anthropic的采用,也为TPU能否承担前沿模型训练与推理工作提供了重要验证。
由于谷歌TPU由博通参与设计,相关需求不仅有利于谷歌云,也可能为博通带来更多定制AI芯片和网络产品收入。Anthropic此前与谷歌及博通达成长期合作,相关容量预计从2027年开始陆续上线。
亚马逊(AMZN)同样通过AWS Trainium进入Anthropic的核心供应体系,虽然约1.2GW的当前估算规模低于英伟达和谷歌,但亚马逊既是Anthropic的重要投资者,也是其主要云服务合作伙伴。Trainium若能在Claude工作负载中证明成本优势,将有助于AWS降低对外部GPU的依赖,并改善AI云服务的利润率。
AMD(AMD)目前在Anthropic算力组合中的占比相对较低,已识别规模约为0.8GW,但其战略意义不容忽视。AMD与Anthropic此前宣布,将合作部署最高2GW的Instinct MI450系列GPU,首批容量预计从2027年上半年开始投入使用。
如果AMD能够顺利扩大部署规模,将证明ROCm软件生态和Helios机架级系统具备承接前沿模型的能力。这不仅有助于AMD争取更多AI实验室和云服务商客户,也可能打破英伟达在通用GPU市场的高度集中格局。
对于Anthropic而言,引入AMD更重要的作用可能是提升采购议价能力。当同一模型能够在四种芯片架构之间调度时,公司便可根据价格、供货和能耗选择最具经济性的硬件,减少被单一芯片厂商绑定的风险。
Anthropic将这种能力描述为“可替代的统一算力池”。这一架构的价值不只是确保获得足够芯片,也在于提高每一美元算力投入能够产生的模型能力和收入。
多芯片布局降低了供应链风险,却无法解决算力投资规模过大的问题。Anthropic的S-1显示,公司已经签署大量长期云计算、设备租赁及数据中心合同,其中相当一部分属于固定或最低付款义务,即使实际使用量未达预期,也可能需要继续支付。
相关文件显示,Anthropic未来最低算力及基础设施付款承诺规模达到数千亿美元,另有部分协议将根据实际交付容量结算。公司同时警告,持续扩建算力设施将在可预见的未来大量消耗经营和投资现金流。
因此,Anthropic的11GW算力储备既是竞争优势,也是IPO投资者需要重点衡量的财务风险。如果Claude收入、客户使用量和推理需求能够持续增长,这些提前锁定的算力将形成较高的进入壁垒。如果AI需求放缓或芯片效率快速提升,长期合同则可能转化为沉重的固定成本。