租下 22 萬顆英偉達 GPU 的同一天，Anthropic 向谷歌 TPU 承諾了 2000 億美元

幾天前，硅谷傳出消息：谷歌宣布，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 承諾未來五年向谷歌云支付約 2000 億美元，用于采購 5GW 的 TPU 算力和云服務。

同一天，Anthropic 還宣布租下 SpaceX 的 Colossus 1 超級計算機，接入超過 22 萬顆英偉達 GPU 用于推理。

5GW 在數據中心行業是什么概念？它大概相當于 5 座大型核電站滿負荷運轉的耗電量。這意味著谷歌幾乎是為了 Anthropic 新建好幾座超大規模數據中心，里面塞滿幾十萬塊谷歌自己設計的 TPU 芯片。而 Anthropic 為此付出的承諾采購額高達 2000 億美元，占到了谷歌云積壓訂單的 40% 以上。

更有意思的是這筆交易的結構：谷歌先向 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 億美元的云服務和 TPU 采購支出。投資是投資，采購是采購，但兩者捆綁在一起，構成了極強的鎖定效應——芯片被指定為谷歌自研的 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：在訓練側大幅向谷歌 TPU 和亞馬遜 Trainium 傾斜，同時仍保留英偉達 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。

對于行業來說，或許，它標志著 AI 產業從“參數軍備競賽”正式轉向“算力效率競賽”的拐點，也標志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 芯片的權力格局，重新定義了大模型和底層硬件之間的關系。

01 被英偉達“卡脖子”的痛

要理解 Anthropic 這次的算力布局為什么重要，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”。行業里心照不宣的潛規則是：不管你融了多少錢，最后都得變成一張張采購英偉達 H100 或 B200 的訂單。英偉達靠著 CUDA 生態的絕對壟斷，不光拿走了行業里絕大部分利潤，還捏著模型廠商的命脈——黃仁勛給你發多少貨，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英偉達。

但局中人也不是沒有反抗的心思，尤其是那些手里有錢的云巨頭：

? 谷歌心里很憋屈：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：作為全球最大的云廠商，AWS 每年要給英偉達交天價保護費。它砸了大錢研發自研芯片 Trainium，急需一個標桿客戶來證明“不用英偉達也能跑頂級模型”。

? Anthropic 有點特殊：由 Dario Amodei 等前 OpenAI 核心成員獨立創立，主打安全可控。它同時拿著谷歌、亞馬遜和微軟的錢——谷歌 400 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”。

英偉達太貴、太慢、太強勢；谷歌有芯片但缺生態，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。一場針對英偉達定價權的多邊博弈已經展開。

02 “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，是用硬件的確定性，來換取模型迭代的絕對速度和成本護城河。

谷歌分階段向 Anthropic 兌現算力承諾，規模預計達到 5GW 級別的 TPU 集群（從 2027 年起逐步上線）。與此同時，谷歌對 Anthropic 的總投資額至多達 400 億美元，Anthropic 對谷歌云的采購承諾則高達 2000 億美元。如此體量的算力集群，足以讓 Claude 的訓練效率大幅躍升，或者讓 Anthropic 同時并行推進多個行業大模型的定制。

這些承諾背后，是 TPU 在特定任務上對 GPU 的真實優勢：

? 性價比領先：根據 Google 官方數據，在大型 Transformer 模型訓練場景下，TPU v6e 的性價比（性能/美元）約為同代英偉達 GPU 的 3 到 4 倍。

? 能效提升：Google 數據中心 PUE 約為 1.1，遠低于行業平均 1.58，綜合運營成本優勢明顯。SemiAnalysis 的研究報告也指出，Anthropic 的推理基礎設施毛利率已從 38% 提升至 70% 以上，定制芯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“去單一硬件依賴”。2026 年 3 月，Anthropic 宣布已部署百萬顆 Google TPU，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，英偉達 GPU 仍然扮演重要角色——5 月 6 日租下 SpaceX Colossus 1 的超 22 萬顆 GPU 就是最新例證。再加上用 JAX 框架對 TPU 集群做底層調優，Anthropic 已經形成了一個 TPU 訓練主力 + Trainium 備份訓練 + GPU 推理補位的多元算力架構。

可以理解為，這是訓練到推理的全棧算力重構。Anthropic 已經用行動證明：大模型廠商不再只是硬件廠商的“提款機”，而是可以成為算力架構的“設計師”。

03 四大陣營貼身肉搏，與一個"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 芯片四大陣營的正面對決?，F在的算力江湖，已經不是英偉達一家獨大了。

1. 谷歌–Anthropic：垂直閉環的領跑者

“TPU–JAX–Claude”這條全棧協同的路線，正在結出果實。根據摩根士丹利預測，2027 年 TPU 對外銷售有望拿下全球 AI 加速芯片市場 20% 的份額。更可觀的是成本競爭力：Claude 系列在同等性能段內的 API 定價，相比部分頭部競品更具優勢，谷歌通過硬件降本直接幫 Anthropic 打出了性價比牌。

2. OpenAI：算力堆得猛，兼容性拖后腿

相比之下，OpenAI 正在構建龐大的算力矩陣，已鎖定 30.5GW 的長期算力合約。2025 年 10 月，OpenAI 與 AMD 簽署多年期協議，部署總計 6GW 的 AMD Instinct GPU 算力（首期 1GW MI450，2026 年下半年部署），與英偉達 GPU 并行組成大規模算力集群。

但這種“大雜燴”架構付出了不小的代價：多芯片、多廠商導致算力利用率偏低，規?；募t利被沉重的兼容性成本吃掉了。

3. 英偉達：死守基本盤，高端腹地正在被侵蝕

老大哥英偉達依然握著 AI 加速器市場 80% 以上的份額，CUDA 生態還是它堅不可摧的護城河。但 TPU 在大模型核心訓練場景里持續滲透，已經讓黃仁勛感到了壓力。2025 年 7 月，英偉達宣布 CUDA 全面支持 RISC-V 架構——這在以前幾乎不可想象，生態壁壘正被“定制化需求”從內部撬開。

4. 中國陣營：開源適配，換道超車

囿于外部環境，國產 AI 芯片整體市占率逆勢提升。根據 IDC 數據，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，市場份額首次突破四成，達到約 41%（中國境內市場）。例如 DeepSeek-V4（2026 年 4 月發布）已于官方技術報告中寫入華為昇騰 NPU 支持，華為昇騰、摩爾線程等多家國產廠商均完成 Day 0 適配。中國廠商不拼單點極限算力，而是走“芯片 + 模型 + 場景”的快速落地路線。

格局已經變了：AI 競爭不再是比誰買的卡多，而是“算力效率 × 場景適配”的綜合暗戰。

而 Anthropic 精心設計的這套混合算力方案，恰恰指明了下一代 AI 基礎設施的主流方向——分工明確、冗余可控、拒絕被單一廠商綁架。這套方案非常精明：

? 5GW 的 TPU 作為訓練絕對主力，扛起核心大模型的高強度訓練； ? GPU 作為"萬金油"，補位推理和多模態數據處理等任務（SpaceX Colossus 1 的 22 萬顆 GPU 就是最新落子）； ? 亞馬遜 Trainium 作為戰略備份訓練算力池，壓低整體邊際成本。

這套組合拳帶來了幾個立竿見影的商業好處：供應鏈風險大幅降低（不怕被單一供應商卡脖子）；Anthropic 于 2025 年 6 月公開的多智能體系統數據顯示，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，硬件級加密結合 Anthropic 引以為傲的倫理框架，讓金融、醫療等高敏感行業的客戶敢于真正下單。

04 戴上“金手銬”的 Anthropic

當然，商業世界里沒有免費的午餐。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，最直接的風險是底層架構的話語權正在旁落。深度綁定谷歌 TPU，意味著 Anthropic 未來的模型優化、算子開發、甚至推理框架的選型，都會被 TPU 的硬件迭代節奏牽著走。谷歌的 TPU 團隊每推出一代新芯片，Anthropic 就得跟著重新適配甚至重寫部分底層代碼。短期看，這是“聯合優化”；長期看，這就變成了“單向依賴”。一旦谷歌調整 TPU 的產品路線圖——比如某個指令集不再支持，或者某個硬件特性被放棄——Anthropic 的適配成本和遷移風險將顯著上升。

其次，多云協同很容易變成“多云約束”。Anthropic 目前同時踩著谷歌云、AWS 和微軟 Azure 三條船，聽上去很靈活：TPU 主力訓練，Trainium 備份訓練，GPU 推理。但在實際操作中，這種跨云架構的維護成本遠超想象。

數據要在三個云之間同步、任務調度要兼顧三套芯片的差異、災難恢復方案要寫三份——更別提三家云廠商各懷心思，未來會不會在價格、帶寬、優先級上互相掣肘？據知情人士轉述，Anthropic 內部對多云架構的運維復雜度早有感受。一旦某天谷歌和亞馬遜的關系微妙變化，Anthropic 就會淪為夾在中間的那個。

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，產品經理會怎么選？大概率會“為了上線”而優先適配 TPU。

久而久之，Claude 的優化方向將越來越受 TPU 硬件特性的牽引，而不是一個跨平臺、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，后來被贊助商要求只能用某一種特制鋼筆——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里。

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、多芯片的“大雜燴”路線。雖然效率低下、兼容成本高，但好處是——沒有哪家芯片廠商能真正卡住它的脖子。微軟、英偉達、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……誰家芯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。

而谷歌–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，是谷歌。Anthropic 的核心訓練算力、迭代速度、甚至一部分技術路線，都被鎖在了谷歌的生態圍墻之內。不過也要承認，Anthropic 同時握有 AWS Trainium、微軟 Azure 和 SpaceX GPU 等多條后路，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 億美元采購承諾，聽起來是天堂，但合同到期后呢？到那時，Anthropic 的整個技術棧、代碼庫、運維體系、人才習慣，都會深度綁定 TPU。想要再換回 GPU 或遷移到其他芯片，成本高到幾乎不可能。屆時谷歌續簽合同的條件，Anthropic 還能說“不”嗎？一位不具名的風投合伙人說得比較直白：“Anthropic 不是在租谷歌的算力，而是在用未來數年的自主權，換今天的一張船票?！?/p>

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。只是在商業世界里，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。

05 芯片沒有靈魂，但定義芯片的模型有

回看計算機這半個多世紀的歷史，Anthropic 的轉向，其實是科技界一個經典的“宿命輪回”。

三十年前，GPU 作為專攻圖形渲染的特定芯片，靠異構計算打破了通用 CPU 的壟斷；三十年后，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 芯片，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卡上隨便跑通的“上層軟件”，它正在變成必須與特定硅片深度耦合的“重工業實體”。

所以，Anthropic 投向定制芯片，絕不意味著 GPU 會消亡，而是標志著“通用算力大一統”時代的終結。未來的版圖注定走向分裂：英偉達 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，定制芯片將接管陣地。

英偉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“對底層硅片架構的定義權”。

在這場沒有硝煙的底座重構中，誰掌握了定義硬件的權力，誰就拿到了下一輪競爭的關鍵籌碼。

（本文首發鈦媒體APP，作者 | 硅谷Tech news，編輯 | 趙虹宇）