TradingKey - Anthropic與OpenAI正在大型AI基礎設施項目之外，尋找容量約為20至30兆瓦的小型數據中心，以更快獲得可用算力，並滿足日益增長的模型推理需求。

據CNBC援引知情人士報道，Anthropic已在英國和北歐地區接洽相關項目，OpenAI此前也在北歐考察類似機會，兩家公司還曾就美國境內同等規模的容量展開磋商。與雙方過去一年簽署的數百兆瓦乃至吉瓦級協議相比，這類項目規模明顯更小，但建設及交付速度通常更快。

OpenAI表示，公司正在建立更加多元的算力組合，以滿足全球AI需求。由於不同工作負載對性能、可靠性、成本及交付時間的要求並不相同，公司會與多種類型的合作伙伴接觸，但不會評論具體的商業談判。

Anthropic則未對此作出回應。

這並不意味着兩家公司將放棄超大規模數據中心，而是開始在大型長期項目之外增加更靈活的算力來源。Anthropic此前與英國雲計算公司Nscale達成約450億美元的合作，計劃租用其西弗吉尼亞州項目約460兆瓦的算力。OpenAI也通過Stargate及其他合作推進多個吉瓦級基礎設施項目。

超大型項目適合集中訓練先進模型，卻往往需要漫長的電網接入、審批和建設周期。美國部分數據中心受到當地社區反對，歐洲傳統市場則面臨土地、電力和輸電容量緊張。在已經通電的現有站點鎖定數十兆瓦容量，通常比等待單一大型園區全面投產更加現實。

對於能夠跨地區運行的工作負載而言，多個小型集群累積後同樣可以形成可觀的算力規模。這種模式還能減少單一項目延期帶來的影響，讓AI公司在大型設施完工前提前部署部分服務。

AI計算從訓練向推理遷移，是小型數據中心受到關注的另一項原因。訓練大型模型通常要求大量GPU在同一集群內高速協同，對網絡互連和芯片密度的要求較高。推理則主要負責處理用戶提出的請求，許多任務可以拆分到不同地點的較小集群，無須將全部芯片集中在同一座超大型設施中。

隨着聊天機器人、AI代理和企業應用進入生產環境，推理需求正在成為數據中心擴張的重要動力。JLL預計，全球數據中心用於AI推理的容量將在2027年超過訓練；到2030年，推理工作負載佔比可能由2025年的9%升至37%，同期訓練佔比則由14%降至13%。

小型項目還可以更靠近用戶及企業客戶，有助於降低網絡延遲，並滿足不同地區的數據合規要求。英國和北歐不僅擁有較多現成數據中心資源，還擁有相對充足的清潔電力及較低的冷卻成本，也為分佈式AI部署提供了條件。

因此，Anthropic與OpenAI尋找20至30兆瓦項目，更像是對現有算力戰略的補充，而不是削減基礎設施投資。兩家公司仍需要大型集群訓練前沿模型，但隨着推理流量擴大，未來的AI基礎設施可能不再完全依賴少數吉瓦級園區。

原文鏈接