AI產業從“參數軍備競賽”轉向“算力效率競賽”。
幾天前，矽谷傳出消息：Google宣佈，未來五年要提供給Anthropic的算力，規模高達5GW。緊接著，5月6日，這筆交易的價格被揭開——Anthropic承諾未來五年向Google雲支付約2000億美元，用於採購5GW的TPU算力和雲服務。
同一天，Anthropic還宣佈租下SpaceX的Colossus1超級電腦，接入超過22萬顆輝達GPU用於推理。
5GW在資料中心行業是什麼概念？它大概相當於5座大型核電站滿負荷運轉的耗電量。這意味著Google幾乎是為了Anthropic新建好幾座超大規模資料中心，裡面塞滿幾十萬塊Google自己設計的TPU晶片。而Anthropic為此付出的承諾採購額高達2000億美元，佔到了Google雲積壓訂單的40%以上。
更有意思的是這筆交易的結構：Google先向Anthropic投入100億美元現金（按3500億估值），若達成里程碑再追加至400億；同時Anthropic承諾2000億美元的雲服務和TPU採購支出。投資是投資，採購是採購，但兩者捆綁在一起，構成了極強的鎖定效應——晶片被指定為Google自研的TPU。
面對這樣一份帶有排他意味的超級大單，Anthropic也順勢調整了自己的算力版圖：在訓練側大幅向GoogleTPU和亞馬遜Trainium傾斜，同時仍保留輝達GPU在推理等場景中的角色。5月6日租下SpaceX的22萬顆GPU，就是Anthropic在GPU推理側的最新動作。
對於行業來說，或許，它標誌著AI產業從“參數軍備競賽”正式轉向“算力效率競賽”的拐點，也標誌著技術路線正在加速分化。這次切換，正在無聲而有力地改變AI晶片的權力格局，重新定義了大模型和底層硬體之間的關係。
1 被輝達“卡脖子”的痛
要理解Anthropic這次的算力佈局為什麼重要，得先看懂過去兩年AI算力市場有多殘酷。
自從ChatGPT橫空出世，大模型就變成了一個“燒錢無底洞”。行業裡心照不宣的潛規則是：不管你融了多少錢，最後都得變成一張張採購輝達H100或B200的訂單。輝達靠著CUDA生態的絕對壟斷，不光拿走了行業裡絕大部分利潤，還捏著模型廠商的命脈——黃仁勳給你發多少貨，你就能訓練多大的模型。
在這種格局下，大模型廠商的大部分利潤最終流向了輝達。
但局中人也不是沒有反抗的心思，尤其是那些手裡有錢的雲巨頭：
•Google心裡很憋屈：TPU研發了十多年，一直在內部訓練Gemini，性能其實不差，但缺少外部頂級大模型的“背書”，總被市場當成非主流。
•亞馬遜也很焦慮：作為全球最大的雲廠商，AWS每年要給輝達交天價保護費。它砸了大錢研發自研晶片Trainium，急需一個標竿客戶來證明“不用輝達也能跑頂級模型”。
•Anthropic有點特殊：由DarioAmodei等前OpenAI核心成員獨立創立，主打安全可控。它同時拿著Google、亞馬遜和微軟的錢——Google400億美元投資、亞馬遜累計330億美元投資，加上2025年11月簽下的300億美元微軟Azure算力合同，處在一個微妙的三角平衡中。面對高昂的算力成本，它比誰都渴望撕開一個口子，找找算力的“平替”。
輝達太貴、太慢、太強勢；Google有晶片但缺生態，亞馬遜有錢想要獨立，Anthropic想活下去還要盈利。四方的訴求，在這一刻正好咬合在了一起。一場針對輝達定價權的多邊博弈已經展開。
2 “用腳投票”：Anthropic 的算力豪賭
Anthropic的選擇，撕開了高昂算力成本的一角。它的本質，是用硬體的確定性，來換取模型迭代的絕對速度和成本護城河。
Google分階段向Anthropic兌現算力承諾，規模預計達到5GW等級的TPU叢集（從2027年起逐步上線）。與此同時，Google對Anthropic的總投資額至多達400億美元，Anthropic對Google雲的採購承諾則高達2000億美元。如此體量的算力叢集，足以讓Claude的訓練效率大幅躍升，或者讓Anthropic同時平行推進多個行業大模型的定製。
這些承諾背後，是TPU在特定任務上對GPU的真實優勢：
•性價比領先：根據Google官方資料，在大型Transformer模型訓練場景下，TPUv6e的性價比（性能/美元）約為同代輝達GPU的3到4倍。
•能效提升：Google資料中心PUE約為1.1，遠低於行業平均1.58，綜合營運成本優勢明顯。SemiAnalysis的研究報告也指出，Anthropic的推理基礎設施毛利已從38%提升至70%以上，定製晶片路線的降本效應可見一斑。
從技術底層來看，Anthropic早就開始謀求“去單一硬體依賴”。2026年3月，Anthropic宣佈已部署百萬顆GoogleTPU，下一財年TPU算力將達1GW；在訓練側，TPU和亞馬遜Trainium已成為核心算力來源；而在推理側，輝達GPU仍然扮演重要角色——5月6日租下SpaceXColossus1的超22萬顆GPU就是最新例證。再加上用JAX框架對TPU叢集做底層調優，Anthropic 已經形成了一個橫跨Google TPU、亞馬遜 Trainium 和輝達 GPU 的多元算力架構，訓練側以 TPU 和 Trainium 為核心，GPU 在推理等場景中持續扮演重要角色。
可以理解為，這是訓練到推理的全端算力重構。Anthropic已經用行動證明：大模型廠商不再只是硬體廠商的“提款機”，而是可以成為算力架構的“設計師”。
3 "務實"的混合算力方案
Anthropic的轉向，像一條鯰魚，直接引爆了全球AI晶片四大陣營的正面對決。現在的算力江湖，已經不是輝達一家獨大了。
Anthropic的轉向，如同一條鯰魚，直接引爆了全球AI晶片四大陣營的正面對決。如今的算力江湖，早已告別輝達一家獨大的格局。
其一，Google–Anthropic：垂直閉環領跑者。“TPU–JAX–Claude”的全端協同路線已成效顯著。摩根士丹利預測，2027年TPU對外銷售有望佔據全球AI加速晶片市場20%的份額。更關鍵的是成本優勢：Claude系列在同等性能段的API定價，相比部分頭部競品更具競爭力，Google通過硬體降本，直接為Anthropic打造了性價比壁壘。
其二，OpenAI：算力堆砌猛，相容性拖後腿。OpenAI正建構龐大的算力矩陣，已鎖定30.5GW的長期算力合約。2025年10月，其與AMD簽署多年期協議，部署總計6GW的AMD Instinct GPU算力（首期1GW MI450將於2026年下半年落地），與輝達GPU平行組成大規模算力叢集。但這種“大雜燴”架構代價高昂：多晶片、多廠商的組合導致算力利用率偏低，規模化紅利被高額相容性成本抵消。
其三，輝達：死守基本盤，高端腹地受侵蝕。作為行業老大哥，輝達仍佔據AI加速器市場80%以上的份額，CUDA生態仍是其不可撼動的護城河。但TPU在大模型核心訓練場景的持續滲透，已讓輝達感受到壓力。2025年7月，輝達宣佈CUDA全面支援RISC-V架構——這在以往難以想像，意味著其生態壁壘正被定製化需求從內部突破。
其四，中國陣營：開源適配，換道超車。受外部環境影響，國產AI晶片市佔率逆勢提升。IDC資料顯示，2025年中國AI加速卡市場總出貨量約400萬張，本土廠商合計出貨約165萬張，境內市場份額首次突破四成，達41%。例如2026年4月發佈的DeepSeek-V4，已在官方技術報告中納入華為昇騰NPU支援，華為昇騰、摩爾線程等國產廠商均完成Day0適配。中國廠商不拼單點極限算力，而是走“晶片+模型+場景”的快速落地路線。
行業格局已發生根本性變化：AI競爭不再是比拚晶片採購量，而是“算力效率×場景適配”的綜合較量。
Anthropic精心設計的混合算力方案，恰恰指明了下一代AI基礎設施的主流方向——分工明確、冗餘可控、拒絕被單一廠商綁架。這套方案極具針對性：以 GoogleTPU和亞馬遜Trainium打造了“雙訓練主力”，承擔核心大模型的高強度訓練任務；以輝達GPU作為“萬金油”，補位推理和多模態資料處理等場景。
這套組合拳的成效立竿見影：供應鏈風險大幅降低，擺脫了對單一供應商的依賴；Anthropic 2025年6月公開的多智能體系統資料顯示，以Claude Sonnet為主導智能體、多個Claude Haiku為子智能體的架構，相比單智能體Claude Opus，任務性能提升約90%；更重要的是，硬體級加密結合Anthropic的倫理框架，讓金融、醫療等高敏感行業客戶敢於放心合作。
4 戴上“金手銬”的 Anthropic
當然，商業世界裡沒有免費的午餐。Anthropic這次向TPU深度傾斜，在換來極致訓練效率和短期成本優勢的同時，也給自己悄悄地戴上了一副“金手銬”——表面金光閃閃，實則勒得越來越緊。
首先，以2000億美元承諾為代表的TPU合作，正在將 Anthropic 的核心訓練算力越來越多地系在Google身上。深度繫結GoogleTPU，意味著Anthropic未來的模型最佳化、算子開發，甚至推理框架選型，都將被TPU的硬體迭代節奏主導。GoogleTPU團隊每推出一代新晶片，Anthropic就需重新適配，甚至重寫部分底層程式碼。短期看這是“聯合最佳化”，長期則會形成“單向依賴”。一旦Google調整TPU產品路線圖，比如放棄某類指令集或硬體特性，Anthropic的適配成本和遷移風險將大幅上升。
其次，多雲協同易變“多雲約束”。Anthropic目前同時依託Google雲、AWS和微軟Azure，看似靈活——TPU主力訓練、Trainium備份訓練、GPU負責推理，但實際操作中，跨雲架構的維護成本遠超預期。資料需在三朵雲之間同步，任務調度要兼顧三套晶片差異，災難恢復方案需單獨適配，再加上三家雲廠商各有訴求，未來難免在價格、頻寬、優先順序上相互掣肘。據知情人士透露，Anthropic內部早已感受到多雲架構的維運複雜度，若未來Google與亞馬遜關係出現微妙變化，Anthropic或將陷入兩難境地。
更隱蔽但更致命的，是技術獨立性的慢性流失。Claude的每一次模型迭代，理論上應該是為了更好的智能和安全性。但未來，如果某個架構改動在TPU上跑得飛快、在GPU或Trainium上卻表現平平，產品經理會怎麼選？大機率會“為了上線”而優先適配TPU。
久而久之，Claude的最佳化方向將越來越受TPU硬體特性的牽引，而不是一個跨平台、可移植的通用大模型。這就好比一個作家，本來可以用任何紙筆寫作，後來被贊助商要求只能用某一種特製鋼筆——寫出來的東西也許更流暢，但那支鋼筆的任何缺陷，都會直接寫進他的作品裡。
拉長視野看，Anthropic的處境其實很微妙。對比一下：
OpenAI走的是多供應商、多晶片的“大雜燴”路線。雖然效率低下、相容成本高，但好處是——沒有那家晶片廠商能真正卡住它的脖子。微軟、輝達、AMD之間互相牽制，OpenAI反而拿到了議價空間。
國產廠商如DeepSeek走的是開源適配路線。昇騰、寒武紀、海光……誰家晶片能在主流模型上跑出好效果，就用誰。生態是碎片化的，但也是自由的。
而Google–Anthropic的閉環，在訓練效率上無疑是最鋒利的刀，但握住刀柄的那個人，是Google。Anthropic的核心訓練算力、迭代速度、甚至一部分技術路線，都被鎖在了Google的生態圍牆之內。不過也要承認，Anthropic同時握有AWSTrainium、微軟Azure和SpaceXGPU等多條後路，這副金手銬目前還沒有完全焊死。
更讓人擔心的是，這副金手銬還有一個時間軸上的陷阱。五年期的2000億美元採購承諾，聽起來是天堂，但合同到期後呢？到那時，Anthropic的整個技術堆疊、程式碼庫、維運體系、人才習慣，都會深度繫結TPU。想要再換回GPU或遷移到其他晶片，成本高到幾乎不可能。屆時Google續簽合同的條件，Anthropic還能說“不”嗎？一位不具名的風投合夥人說得比較直白：“Anthropic不是在租Google的算力，而是在用未來數年的自主權，換今天的一張船票。”
當然，不是說Anthropic做錯了。在AI這個燒錢如燒紙的行業，首先要活下來，其次是跑得快。只是在商業世界裡，沒有完美架構，只有階段性最優解。Anthropic目前拿到的是訓練速度和成本的最優解，代價是——它把一部分未來的選擇權，提前交了出去。
5 晶片沒有靈魂，但定義晶片的模型有
回看電腦這半個多世紀的歷史，Anthropic的轉向，其實是科技界一個經典的“宿命輪迴”。
三十年前，GPU作為專攻圖形渲染的特定晶片，靠異構計算打破了通用CPU的壟斷；三十年後，當GPU自己也變成了橫在AI產業面前的“通用霸權”時，TPU、Trainium這些更專門化的ASIC晶片，正用同樣的邏輯發起反攻。
這意味著，AI底層基礎設施的邏輯，正在從“暴力堆砌”轉向“精耕細作”。大模型不再是可以在任意一張顯示卡上隨便跑通的“上層軟體”，它正在變成必須與特定矽片深度耦合的“重工業實體”。
所以，Anthropic投向定製晶片，絕不意味著GPU會消亡，而是標誌著“通用算力大一統”時代的終結。未來的版圖註定走向分裂：輝達GPU依然會長久統治通用計算和推理，但在超大規模模型訓練的最核心地帶，定製晶片將接管陣地。
輝達的護城河依然深不見底，但水面之下，暗流已經不可逆轉。當“買卡就能做模型”的草莽時代結束，未來的競爭焦點，將從“對算力資源的粗暴囤積”，徹底升級為“對異構算力的精細調度權”和“對底層矽片架構的定義權”。
在這場沒有硝煙的底座重構中，誰掌握了定義硬體的權力，誰就拿到了下一輪競爭的關鍵籌碼。 (鈦媒體AGI)