Anthropic與OpenAI轉向尋求小型數據中心合作，加速AI推理部署

Anthropic與OpenAI轉向尋求小型數據中心合作，加速AI推理部署 Anthropic與OpenAI正積極尋找規模較小的AI數據中心合作機會，以應對日益增長的基礎設施需求。根據CNBC報導，這兩家AI實驗室在過去一年簽下了多項涉及數百兆瓦乃至吉瓦級別的大型基礎設施協議後，目前正轉向尋求20至30兆瓦（MW）的小型算力部署方案。此舉旨在加快工作負載的部署速度，特別是在AI應用從模型訓練轉向日常推理服務的關鍵過渡期。 對於台灣讀者而言，這一趨勢反映了全球AI基礎設施建設策略的轉變。過去市場焦點集中在超大規模的「訓練集群」，但隨著AI產品進入生產環境，對「推理算力」的需求正在激增。這種分散式、小型化的部署策略，不僅能解決大型數據中心建設週期長、社區反彈強的問題，也顯示出AI算力需求正在從集中式訓練走向分散式服務，這將深刻影響全球數據中心產業鏈及相關技術人才的分布。 根據多位知情人士透露，Anthropic已在英國和北歐地區探討20至30兆瓦的算力協議，OpenAI也在北歐尋求類似的小型部署機會。此外，兩家公司也涉及美國境內同規模的容量談判。OpenAI發言人表示，公司正在構建多元化的算力組合，以滿足全球對AI的增長需求，並根據需求、性能、可靠性、時間和成本評估與不同夥伴的合作機會。Anthropic則未對CNBC的置評請求作出回應。 這種策略轉變背後的邏輯在於「速度」與「靈活性」。Structure Research研究主管Jabez Tan指出，在現有已通電的場址獲取幾兆瓦的算力，比等待單一地點的大型區塊更為實際。對於可以跨站點運行的工作負載，多個小型部署的總和可以構成相當可觀的容量。Training（訓練）大型模型通常需要大量晶片緊密協同，而Inference（推理）工作負載則可以通過多個較小的集群分別處理請求，從而開放更多地理位置的可能性。 市場數據支持這一趨勢。房地產公司JLL的報告顯示，2025年全球數據中心工作負載中，推理佔比為9%，訓練佔比為14%。預計到2027年，推理工作負載將超過訓練工作負載；到2030年，推理將佔據總容量的37%，而訓練僅佔13%。這意味著未來數據中心的核心價值將更多體現在服務效率而非單純的訓練規模上。 除了AI實驗室本身的策略調整，基礎設施供應商也在跟進。美國公司Crusoe，曾為OpenAI在德克薩斯州建造大型數據中心，據《華爾街日報》報導，現正投資建設更小型、更快且成本更低的數據中心，以應對美國大型建設項目面臨的延遲問題。Crusoe周四宣布完成39億美元融資，投後估值達309億美元。此外，Nvidia也在二月宣布與多家數據中心利益相關方合作，研究為分散式推理設計的小型數據中心。 此前，科技巨頭在AI基礎設施上已投入鉅資。Anthropic與Nscale簽下約45億美元的雲服務協議，將在西弗吉尼亞州租用約460兆瓦的算力；OpenAI的Stargate項目承諾容量已超過10吉瓦，並計劃在喬治亞州和俄亥俄州額外開發3吉瓦和8吉瓦的容量。然而，這些大型項目在美國及歐洲各地面臨越來越多的社區反對聲浪，且歐洲地區土地和電力供應緊張，使得小型化、分散式部署成為更具吸引力的替代方案。 【解讀】 AI產業正經歷從「算力堆疊」到「算力調度」的範式轉移。過去，擁有最大的訓練集群是競爭力的象徵；現在，能更快、更靈活地將模型部署到用戶端成為關鍵。這種轉變意味著數據中心不再只是遠端的龐大建築，而是可能分散在各地、更接近用戶的中小型節點。對於供應鏈而言，這可能帶來對中小型數據中心設備、網絡連接及本地化運維人才的新需求，而不再僅僅依賴於超級集群的建設能力。 幾個還沒答案的關鍵問題 1. Anthropic和OpenAI具體在哪些國家或地區已達成小型數據中心的初步協議？（來源：公司官方公告或監管機構披露，時機：尚未公佈） 2. 這些20-30兆瓦的小型部署方案，其單位算力成本與大型吉瓦級項目相比具體差異是多少？（來源：產業分析報告或供應商定價策略，時機：待市場數據披露） 3. Crusoe等Neocloud廠商的小型數據中心具體何時能投入商業運營？（來源：Crusoe官方發布會或新聞稿，時機：預計在融資後數月內公布具體時間表）