租下22万颗英伟达GPU的同一天，Anthropic向谷歌TPU承诺了2000亿美元
发布时间：2026-05-07来源：钛媒体AGI
作者｜硅谷Tech news
编辑｜赵虹宇
本文首发于钛媒体APP几天前，硅谷传出消息：谷歌宣布，未来五年要提供给Anthropic的算力，规模高达5GW。紧接着，5月6日，这笔交易的价格被揭开——Anthropic承诺未来五年向谷歌云支付约2000亿美元，用于采购5GW的TPU算力和云服务。同一天，Anthropic还宣布租下SpaceX的Colossus1超级计算机，接入超过22万颗英伟达GPU用于推理。5GW在数据中心行业是什么概念？它大概相当于5座大型核电站满负荷运转的耗电量。这意味着谷歌几乎是为了Anthropic新建好几座超大规模数据中心，里面塞满几十万块谷歌自己设计的TPU芯片。而Anthropic为此付出的承诺采购额高达2000亿美元，占到了谷歌云积压订单的40%以上。更有意思的是这笔交易的结构：谷歌先向Anthropic投入100亿美元现金（按3500亿估值），若达成里程碑再追加至400亿；同时Anthropic承诺2000亿美元的云服务和TPU采购支出。投资是投资，采购是采购，但两者捆绑在一起，构成了极强的锁定效应——芯片被指定为谷歌自研的TPU。面对这样一份带有排他意味的超级大单，Anthropic也顺势调整了自己的算力版图：在训练侧大幅向谷歌TPU和亚马逊Trainium倾斜，同时仍保留英伟达GPU在推理等场景中的角色。5月6日租下SpaceX的22万颗GPU，就是Anthropic在GPU推理侧的最新动作。对于行业来说，或许，它标志着AI产业从“参数军备竞赛”正式转向“算力效率竞赛”的拐点，也标志着技术路线正在加速分化。这次切换，正在无声而有力地改变AI芯片的权力格局，重新定义了大模型和底层硬件之间的关系。
要理解Anthropic这次的算力布局为什么重要，得先看懂过去两年AI算力市场有多残酷。自从ChatGPT横空出世，大模型就变成了一个“烧钱无底洞”。行业里心照不宣的潜规则是：不管你融了多少钱，最后都得变成一张张采购英伟达H100或B200的订单。英伟达靠着CUDA生态的绝对垄断，不光拿走了行业里绝大部分利润，还捏着模型厂商的命脉——黄仁勋给你发多少货，你就能训练多大的模型。在这种格局下，大模型厂商的大部分利润最终流向了英伟达。但局中人也不是没有反抗的心思，尤其是那些手里有钱的云巨头：•谷歌心里很憋屈：TPU研发了十多年，一直在内部训练Gemini，性能其实不差，但缺少外部顶级大模型的“背书”，总被市场当成非主流。•亚马逊也很焦虑：作为全球最大的云厂商，AWS每年要给英伟达交天价保护费。它砸了大钱研发自研芯片Trainium，急需一个标杆客户来证明“不用英伟达也能跑顶级模型”。•Anthropic有点特殊：由DarioAmodei等前OpenAI核心成员独立创立，主打安全可控。它同时拿着谷歌、亚马逊和微软的钱——谷歌400亿美元投资、亚马逊累计330亿美元投资，加上2025年11月签下的300亿美元微软Azure算力合同，处在一个微妙的三角平衡中。面对高昂的算力成本，它比谁都渴望撕开一个口子，找找算力的“平替”。英伟达太贵、太慢、太强势；谷歌有芯片但缺生态，亚马逊有钱想要独立，Anthropic想活下去还要盈利。四方的诉求，在这一刻正好咬合在了一起。一场针对英伟达定价权的多边博弈已经展开。
Anthropic的选择，撕开了高昂算力成本的一角。它的本质，是用硬件的确定性，来换取模型迭代的绝对速度和成本护城河。谷歌分阶段向Anthropic兑现算力承诺，规模预计达到5GW级别的TPU集群（从2027年起逐步上线）。与此同时，谷歌对Anthropic的总投资额至多达400亿美元，Anthropic对谷歌云的采购承诺则高达2000亿美元。如此体量的算力集群，足以让Claude的训练效率大幅跃升，或者让Anthropic同时并行推进多个行业大模型的定制。这些承诺背后，是TPU在特定任务上对GPU的真实优势：•性价比领先：根据Google官方数据，在大型Transformer模型训练场景下，TPUv6e的性价比（性能/美元）约为同代英伟达GPU的3到4倍。•能效提升：Google数据中心PUE约为1.1，远低于行业平均1.58，综合运营成本优势明显。SemiAnalysis的研究报告也指出，Anthropic的推理基础设施毛利率已从38%提升至70%以上，定制芯片路线的降本效应可见一斑。从技术底层来看，Anthropic早就开始谋求“去单一硬件依赖”。2026年3月，Anthropic宣布已部署百万颗GoogleTPU，下一财年TPU算力将达1GW；在训练侧，TPU和亚马逊Trainium已成为核心算力来源；而在推理侧，英伟达GPU仍然扮演重要角色——5月6日租下SpaceXColossus1的超22万颗GPU就是最新例证。再加上用JAX框架对TPU集群做底层调优，Anthropic 已经形成了一个横跨谷歌 TPU、亚马逊 Trainium 和英伟达 GPU 的多元算力架构，训练侧以 TPU 和 Trainium 为核心，GPU 在推理等场景中持续扮演重要角色。可以理解为，这是训练到推理的全栈算力重构。Anthropic已经用行动证明：大模型厂商不再只是硬件厂商的“提款机”，而是可以成为算力架构的“设计师”。
Anthropic的转向，像一条鲶鱼，直接引爆了全球AI芯片四大阵营的正面对决。现在的算力江湖，已经不是英伟达一家独大了。Anthropic的转向，如同一条鲶鱼，直接引爆了全球AI芯片四大阵营的正面对决。如今的算力江湖，早已告别英伟达一家独大的格局。其一，谷歌–Anthropic：垂直闭环领跑者。“TPU–JAX–Claude”的全栈协同路线已成效显著。摩根士丹利预测，2027年TPU对外销售有望占据全球AI加速芯片市场20%的份额。更关键的是成本优势：Claude系列在同等性能段的API定价，相比部分头部竞品更具竞争力，谷歌通过硬件降本，直接为Anthropic打造了性价比壁垒。其二，OpenAI：算力堆砌猛，兼容性拖后腿。OpenAI正构建庞大的算力矩阵，已锁定30.5GW的长期算力合约。2025年10月，其与AMD签署多年期协议，部署总计6GW的AMD Instinct GPU算力（首期1GW MI450将于2026年下半年落地），与英伟达GPU并行组成大规模算力集群。但这种“大杂烩”架构代价高昂：多芯片、多厂商的组合导致算力利用率偏低，规模化红利被高额兼容性成本抵消。其三，英伟达：死守基本盘，高端腹地受侵蚀。作为行业老大哥，英伟达仍占据AI加速器市场80%以上的份额，CUDA生态仍是其不可撼动的护城河。但TPU在大模型核心训练场景的持续渗透，已让英伟达感受到压力。2025年7月，英伟达宣布CUDA全面支持RISC-V架构——这在以往难以想象，意味着其生态壁垒正被定制化需求从内部突破。其四，中国阵营：开源适配，换道超车。受外部环境影响，国产AI芯片市占率逆势提升。IDC数据显示，2025年中国AI加速卡市场总出货量约400万张，本土厂商合计出货约165万张，境内市场份额首次突破四成，达41%。例如2026年4月发布的DeepSeek-V4，已在官方技术报告中纳入华为昇腾NPU支持，华为昇腾、摩尔线程等国产厂商均完成Day0适配。中国厂商不拼单点极限算力，而是走“芯片+模型+场景”的快速落地路线。行业格局已发生根本性变化：AI竞争不再是比拼芯片采购量，而是“算力效率×场景适配”的综合较量。Anthropic精心设计的混合算力方案，恰恰指明了下一代AI基础设施的主流方向——分工明确、冗余可控、拒绝被单一厂商绑架。这套方案极具针对性：以 谷歌TPU和亚马逊Trainium打造了“双训练主力”，承担核心大模型的高强度训练任务；以英伟达GPU作为“万金油”，补位推理和多模态数据处理等场景。这套组合拳的成效立竿见影：供应链风险大幅降低，摆脱了对单一供应商的依赖；Anthropic 2025年6月公开的多智能体系统数据显示，以Claude Sonnet为主导智能体、多个Claude Haiku为子智能体的架构，相比单智能体Claude Opus，任务性能提升约90%；更重要的是，硬件级加密结合Anthropic的伦理框架，让金融、医疗等高敏感行业客户敢于放心合作。
当然，商业世界里没有免费的午餐。Anthropic这次向TPU深度倾斜，在换来极致训练效率和短期成本优势的同时，也给自己悄悄地戴上了一副“金手铐”——表面金光闪闪，实则勒得越来越紧。首先，以2000亿美元承诺为代表的TPU合作，正在将 Anthropic 的核心训练算力越来越多地系在谷歌身上。深度绑定谷歌TPU，意味着Anthropic未来的模型优化、算子开发，甚至推理框架选型，都将被TPU的硬件迭代节奏主导。谷歌TPU团队每推出一代新芯片，Anthropic就需重新适配，甚至重写部分底层代码。短期看这是“联合优化”，长期则会形成“单向依赖”。一旦谷歌调整TPU产品路线图，比如放弃某类指令集或硬件特性，Anthropic的适配成本和迁移风险将大幅上升。其次，多云协同易变“多云约束”。Anthropic目前同时依托谷歌云、AWS和微软Azure，看似灵活——TPU主力训练、Trainium备份训练、GPU负责推理，但实际操作中，跨云架构的维护成本远超预期。数据需在三朵云之间同步，任务调度要兼顾三套芯片差异，灾难恢复方案需单独适配，再加上三家云厂商各有诉求，未来难免在价格、带宽、优先级上相互掣肘。据知情人士透露，Anthropic内部早已感受到多云架构的运维复杂度，若未来谷歌与亚马逊关系出现微妙变化，Anthropic或将陷入两难境地。更隐蔽但更致命的，是技术独立性的慢性流失。Claude的每一次模型迭代，理论上应该是为了更好的智能和安全性。但未来，如果某个架构改动在TPU上跑得飞快、在GPU或Trainium上却表现平平，产品经理会怎么选？大概率会“为了上线”而优先适配TPU。久而久之，Claude的优化方向将越来越受TPU硬件特性的牵引，而不是一个跨平台、可移植的通用大模型。这就好比一个作家，本来可以用任何纸笔写作，后来被赞助商要求只能用某一种特制钢笔——写出来的东西也许更流畅，但那支钢笔的任何缺陷，都会直接写进他的作品里。拉长视野看，Anthropic的处境其实很微妙。对比一下：OpenAI走的是多供应商、多芯片的“大杂烩”路线。虽然效率低下、兼容成本高，但好处是——没有哪家芯片厂商能真正卡住它的脖子。微软、英伟达、AMD之间互相牵制，OpenAI反而拿到了议价空间。国产厂商如DeepSeek走的是开源适配路线。昇腾、寒武纪、海光……谁家芯片能在主流模型上跑出好效果，就用谁。生态是碎片化的，但也是自由的。而谷歌–Anthropic的闭环，在训练效率上无疑是最锋利的刀，但握住刀柄的那个人，是谷歌。Anthropic的核心训练算力、迭代速度、甚至一部分技术路线，都被锁在了谷歌的生态围墙之内。不过也要承认，Anthropic同时握有AWSTrainium、微软Azure和SpaceXGPU等多条后路，这副金手铐目前还没有完全焊死。更让人担心的是，这副金手铐还有一个时间轴上的陷阱。五年期的2000亿美元采购承诺，听起来是天堂，但合同到期后呢？到那时，Anthropic的整个技术栈、代码库、运维体系、人才习惯，都会深度绑定TPU。想要再换回GPU或迁移到其他芯片，成本高到几乎不可能。届时谷歌续签合同的条件，Anthropic还能说“不”吗？一位不具名的风投合伙人说得比较直白：“Anthropic不是在租谷歌的算力，而是在用未来数年的自主权，换今天的一张船票。”当然，不是说Anthropic做错了。在AI这个烧钱如烧纸的行业，首先要活下来，其次是跑得快。只是在商业世界里，没有完美架构，只有阶段性最优解。Anthropic目前拿到的是训练速度和成本的最优解，代价是——它把一部分未来的选择权，提前交了出去。
回看计算机这半个多世纪的历史，Anthropic的转向，其实是科技界一个经典的“宿命轮回”。三十年前，GPU作为专攻图形渲染的特定芯片，靠异构计算打破了通用CPU的垄断；三十年后，当GPU自己也变成了横在AI产业面前的“通用霸权”时，TPU、Trainium这些更专门化的ASIC芯片，正用同样的逻辑发起反攻。这意味着，AI底层基础设施的逻辑，正在从“暴力堆砌”转向“精耕细作”。大模型不再是可以在任意一张显卡上随便跑通的“上层软件”，它正在变成必须与特定硅片深度耦合的“重工业实体”。所以，Anthropic投向定制芯片，绝不意味着GPU会消亡，而是标志着“通用算力大一统”时代的终结。未来的版图注定走向分裂：英伟达GPU依然会长久统治通用计算和推理，但在超大规模模型训练的最核心地带，定制芯片将接管阵地。英伟达的护城河依然深不见底，但水面之下，暗流已经不可逆转。当“买卡就能做模型”的草莽时代结束，未来的竞争焦点，将从“对算力资源的粗暴囤积”，彻底升级为“对异构算力的精细调度权”和“对底层硅片架构的定义权”。在这场没有硝烟的底座重构中，谁掌握了定义硬件的权力，谁就拿到了下一轮竞争的关键筹码。
转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。
五度妙笔
API商城
数据库
