Anthropic與OpenAI正轉向20至30兆瓦小型數據中心，以更快獲取算力，補充超大規模佈局。這源於AI計算從訓練向推理遷移，小型設施更適合分佈式部署。預計2027年推理負載將超過訓練，2030年升至37%。算力競爭正轉向兼顧速度、靈活性與分佈式能力。

Anthropic與OpenAI正在將部分算力需求轉向20至30兆瓦（MW）級別的數據中心，以更快獲得可用容量。這與兩家公司此前動輒數百MW乃至吉瓦（GW）級別的超大規模基礎設施佈局形成對比。

9月18日，據CNBC報導援引知情人士稱，Anthropic已在英國和北歐就20至30 MW規模的項目展開接觸，OpenAI也在北歐尋找類似機會，雙方在美國亦有相關談判。

這一變化發生之際，AI計算需求正從模型訓練逐步向推理服務遷移。小型設施能夠更快落地，也更適合分散處理推理任務。Structure Research預計，到2027年，推理工作負載在全球數據中心總容量中的佔比將超過訓練負載，並於2030年升至37%。

超大項目之外，AI公司開始「多點佈局」

過去一年，兩家公司均簽署了大規模基礎設施協議。據CNBC去年8月報導，Anthropic與雲計算服務商Nscale達成約450億美元的雲計算協議，將租用其位於美國西弗吉尼亞州數據中心約460 MW的算力。OpenAI的Stargate項目則已超過最初10 GW的承諾目標，並進一步在佐治亞州和俄亥俄州新增3 GW和8 GW的開發計劃。

如今，兩家公司開始補充更靈活的算力來源。CNBC援引四位知情人士稱，Anthropic已在英國和北歐尋求20至30 MW規模的資源；其中兩位人士表示，OpenAI也在北歐探索類似項目，另有一位人士稱，雙方還涉及美國境內的相關談判。

OpenAI回應稱，公司正在「構建多元化的算力組合，以滿足全球日益增長的AI需求」。不同工作負載需要不同基礎設施，公司會綜合考慮需求、性能、可靠性、時間節點和成本。

Structure Research研究主管Jabez Tan表示，小型項目的核心優勢是更快獲得可用容量。在已經通電的現有站點獲取幾MW容量，往往比等待單一地點釋放大規模容量更實際；對於能夠跨站點運行的工作負載，多個小型設施也可以疊加形成可觀的總容量。

大型數據中心建設則面臨較長周期。美國及其他市場的大型項目受到當地社區阻力，歐洲不少地區還面臨土地和電力資源緊張。對AI公司而言，先獲取分散資源，可以在大型項目落地前補充算力。

據《華爾街日報》周四報導，曾為OpenAI在德州建設大型數據中心園區的Crusoe正在加大對小型數據中心的投入。這類設施建設速度更快、成本更低，有助於降低大型項目延期帶來的影響。Crusoe未對此置評，但該公司同日宣佈完成39億美元融資，融資後估值達到309億美元。

AI工作負載結構的變化，是這一趨勢背後的另一重要驅動。Jabez Tan表示，大模型訓練通常需要大量晶片在同一叢集內協同運行，而推理任務可以拆分至多個較小叢集，分別處理獨立請求，因此更適合分佈式部署。

JLL數據顯示，2025年推理負載佔全球數據中心工作負載的9%，訓練負載佔14%。預計到2027年，推理負載佔比將超過訓練負載，到2030年進一步升至37%，同期訓練負載佔比將降至13%。

這一趨勢也開始影響數據中心建設模式。今年2月，輝達宣佈將與多家數據中心行業參與方合作，研究面向分佈式推理的小型數據中心方案。隨著推理需求持續增長，AI基礎設施競爭正從單純追求超大規模，轉向同時關注算力的獲取速度、部署靈活性和分佈式能力。 (華爾街見聞)

彙整鉅亨號中所有使用「小型數據中心」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

OpenAI、Anthropic開始「搶小單」！AI算力爭奪轉向20–30MW小型數據中心