《隐没的人》太刺激，出了影院还会应激，140分钟的极致惊悚

几天前，硅谷传出新闻：谷歌颁发，未来五年要提供给 Anthropic 的算力，规模高达 5GW。紧接着，5 月 6 日，这笔买卖的价值被揭开—— 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。统一天，Anthropic 还颁发租下 SpaceX 的 Colossus 1 超等推算机，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想？它或许相当于 5 座大型核电站满负荷运行的耗电量。这意味着谷歌险些是为了 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 为此支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。更有意思的是这笔买卖的结构：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，但两者绑缚在一路，组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等大单，Anthropic 也顺势调整了自己的算力疆域：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 推理侧的最新作为。对于行衣反说，或许，它标志取 AI 产业从 " 参数军备较量 " 正式转向 " 算力效能较量 " 的拐点，也标志取技术路线在加快分化。这次切换，在无声而有力地扭转 AI 芯片的权势格局，沉新界说了大模型和底层硬件之间的关系。01 被英伟达 " 卡脖子 " 的痛要理解 Anthropic 这次的算力布局为什么沉要，得先看懂从前两年 AI 算力市场有多凶残。自从 ChatGPT 横空出世，大模型就造成了一个 " 烧钱无底洞 "。行衣凤心领神会的潜规定是：不论你融了几多钱，最后都得造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，不但拿走了行衣凤绝大部门利润，还捏着模型厂商的命脉——黄仁勋给你发几多货，你就能训练多大的模型。在这种格局下，大模型厂商的大部门利润最终流向了英伟达。但局中人也不是没有反抗的心理，尤其是那些手里有钱的云巨头：? ?谷歌内心很憋屈：TPU 研发了十多年，一向在内部训练 Gemini，机能其实不差，但短缺表部顶级大模型的 " 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；し。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 Dario Amodei 等前 OpenAI 主题成员独立缔造，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，处在一个奥妙的三角平衡中。面对高昂的算力成本，它比谁都巴望撕开一个口子，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路。一场针对英伟达定价权的多边博弈已经发展。02 " 用脚投票 "：Anthropic 的算力豪赌Anthropic 的选择，撕开了高昂算力成本的一角。它的性质，是用硬件简直定性，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 级此外 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 的训练效能大幅跃升，或者让 Anthropic 同时并行推动多个行业大模型的定造。这些承诺背后，是 TPU 在特定工作上对 GPU 的真实优势：? ?性价比当先：凭据 Google 官方数据，在大型 Transformer 模型训练场景下，TPU v6e 的性价比（机能 / 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，远低于行业均匀 1.58，综合运营成本优势显著。SemiAnalysis 的钻研汇报也指出，Anthropic 的推理基础设施毛利率已从 38% 提升至 70% 以上，定造芯片路线的降本效应可见一斑。从技术底层来看，Anthropic 早就起头钻营 " 去单一硬件依赖 "。2026 年 3 月，Anthropic 颁发已部署百万颗 Google TPU，下一财年 TPU 算力将达 1GW；在训练侧，TPU 和亚马逊 Trainium 已成为主题算力起源；而在推理侧，英伟达 GPU 依然表演沉要角色—— 5 月 6 日租下 SpaceX Colossus 1 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 TPU 训练主力 + Trainium 备份训练 + GPU 推理补位的多元算力架构Ｄ芄焕斫馕，这是训练到推理的全栈算力沉构。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 "，而是能够成为算力架构的 " 设计师 "。03 四大堡垒贴身肉搏，与一个 " 求实 " 的混合算力规划Anthropic 的转向，像一条鲶鱼，直接引爆了全球 AI 芯片四大堡垒的正面对决。此刻的算力江湖，已经不是英伟达一家独大了。1. 谷歌– Anthropic：垂直关环的领跑者"TPU – JAX – Claude" 这条全栈协同的路线，在结出果实。凭据摩根士丹利预测，2027 年 TPU 对表销售有望拿下全球 AI 加快芯片市场 20% 的份额。更可观的是成本竞争力：Claude 系列在一致机能段内的 API 定价，相比部门头部竞品更具优势，谷歌通过硬件降本直接助 Anthropic 打出了性价比牌。2. OpenAI：算力堆得猛，兼容性拖后腿相比之下，OpenAI 在构建重大的算力矩阵，已锁定 30.5GW 的持久算力合约。2025 年 10 月，OpenAI 与 AMD 签署多年期和谈，部署总计 6GW 的 AMD Instinct GPU 算力（首期 1GW MI450，2026 年下半年部署），与英伟达 GPU 并行组成大规模算力集群。但这种 " 大杂烩 " 架构支出了不幼的价值：多芯片、多厂商导致算力利用率偏低，规；挠怀脸恋募嫒菪猿杀境缘袅。3. 英伟达：死守根基盘，高端腹地在被侵蚀老迈哥英伟达依然握着 AI 加快器市场 80% 以上的份额，CUDA 生态还是它坚不成摧的护城河。但 TPU 在大模型主题训练场景里持续渗入，已经让黄仁勋感应了压力。2025 年 7 月，英伟达颁发 CUDA 全面支持 RISC-V 架构——这在以前险些不成设想，生态壁垒正被 " 定造化需要 " 从内部撬开。4. 中国堡垒：开源适配，换路超车囿于表部环境，国产 AI 芯片整体市占率逆势提升。凭据 IDC 数据，2025 年中国 AI 加快卡市场总出货量约 400 万张，本土厂商计算出货约 165 万张，市场份额初次突破四成，达到约 41%（中国境内市。。例如 DeepSeek-V4（2026 年 4 月颁布）已于官方技术汇报中写入华为昇腾 NPU 支持，华为昇腾、摩尔线程等多家国产厂商均实现 Day 0 适配。中国厂商不拼单点极限算力，而是走 " 芯片 + 模型 + 场景 " 的急剧落地路线。格局已经变了：AI 竞争不再是比谁买的卡多，而是 " 算力效能 × 场景适配 " 的综合暗战。而 Anthropic 精心设计的这套混合算力规划，刚好指了然下一代 AI 基础设施的主流方向——分工明确、冗余可控、回绝被单一厂商绑架。这套规划极度精明：? ? 5GW 的 TPU 作为训练绝对主力，扛起主题大模型的高强度训练；? ? GPU 作为 " 万金油 "，补位推理和多模态数据处置等工作（SpaceX Colossus 1 的 22 万颗 GPU 就是最新落子）；? ? 亚马逊 Trainium 作为战术备份训练算力池，压低整体边际成本。这套组合拳带来了几个立竿见影的贸易益处：供给链风险大幅降低（不怕被单一供给商卡脖子）；Anthropic 于 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，工作机能提升约 90%；更沉要的是，硬件级加密结合 Anthropic 引以为傲的伦理框架，让金融、医疗等高敏感行业的客户敢于真正下单。04 戴上 " 金手铐 " 的 Anthropic当然，贸易世界里没有免费的午餐。Anthropic 这次向 TPU 深度倾斜，在换来极致训练效能和短期成本优势的同时，也给自己偷偷地戴上了一副 " 金手铐 " ——表表金光闪闪，实则勒得越来越紧。首先，最直接的风险是底层架构的话语权在旁落。深度绑定谷歌 TPU，意味着 Anthropic 未来的模型优化、算子开发、甚至推理框架的选型，城市被 TPU 的硬件迭代节拍牵着走。谷歌的 TPU 团队每推出一代新芯片，Anthropic 就得随着沉新适配甚至沉写部门底层代码。短期看，这是 " 结合优化 "；持久看，这就造成了 " 单向依赖 "。一旦谷歌调整 TPU 的产品路线图——好比某个指令集不再支持，或者某个硬件个性被烧毁—— Anthropic 的适配成本和迁徙风险将显著上升。其次，多云协同很容易造成 " 多云约束 "。Anthropic 目前同时踩着谷歌云、AWS 和微软 Azure 三条船，听上去很矫捷：TPU 主力训练，Trainium 备份训练，GPU 推理。但在现实操作中，这种跨云架构的守护成本远超设想。数据要在三个云之间同步、工作调度要两全三套芯片的差距、苦难复原规划要写三份——更别提三家云厂商各怀心理，未来会不会在价值、带宽、优先级上相互掣肘？据知恋人士转述，Anthropic 内部对多云架构的运维复杂度早有感触。一旦某天谷歌和亚马逊的关系奥妙变动，Anthropic 就会沦为夹在中央的那个。更荫蔽但更致命的，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，若是某个架构扭转在 TPU 上跑得飞快、在 GPU 或 Trainium 上却表显旖平，产品经理睬怎么？或许率会 " 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 硬件个性的牵引，而不是一个跨平台、可移植的通用大模型。这就好比一个作者，正本能够用任何纸笔写作，后来被赞助商要求只能用某一种特造钢笔——写出来的器材也许更流畅，但那支钢笔的任何缺点，城市直接写进他的文章里。拉长视野看，Anthropic 的处境其实很奥妙。对比一下：OpenAI 走的是多供给商、多芯片的 " 大杂烩 " 路线。固然效能低下、兼容成本高，但益处是——没有哪家芯片厂商能真正卡住它的脖子。微软、英伟达、AMD 之间相互牵造，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成效，就用谁。生态是碎片化的，但也是自由的。而谷歌–