训练前沿模型只是等式的一部分。模型一旦具备商业价值，计算需求并不会消失。每个用户请求都需要推理。每个持续运行的 AI 智能体都会消耗资源。更长的上下文窗口需要更多内存。能力更强的模型需要规模更大、复杂程度更高的基础设施。随着 AI 从偶尔进行的聊天机器人交互转向能够持续执行任务的系统，所需的计算量可能会大幅增加。
这改变了 AI 行业的经济学。
稀缺资源已不再只是优秀研究人员或出色算法的获取渠道。可靠的计算能力本身正成为一种战略资产。
Anthropic 的基础设施承诺表明，各家公司正试图在需求变得更难满足之前，先确保获得这种资产。
这项 845 亿美元的安排尤其值得关注，因为它代表了一种不同于全部内部建设的方式。租赁计算能力可以让 AI 公司获得大规模 GPU 基础设施，而无需自行建设每个数据中心、确保每条电力连接、购买每台服务器，并独自管理整个实体部署流程。
这种灵活性很重要。
AI 需求增长迅速，但也难以预测未来数年后的情况。租赁可以让公司更快扩大计算能力，并有可能避免拥有数量庞大的硬件，而这些硬件日后可能无法得到充分利用。
但这一策略还有另一面。
长期基础设施承诺可能会变成巨额固定义务。路透社报道称，Anthropic 披露的基础设施承诺中，约 80% 无论实际使用情况如何都具有约束力。这意味着，该公司实际上是在进行一场巨额押注，相信未来的 AI 需求、收入和模型使用量将证明如今的基础设施决策是合理的。
这正是 AI 基础设施故事变得更加有趣的地方。
Anthropic 并不依赖单一的计算能力来源。其披露的承诺涉及多家基础设施和技术合作伙伴，包括与 Google、Amazon、Microsoft 和 Broadcom 相关的巨额协议。该战略似乎是在继续扩大底层 AI 业务的同时，从多个来源确保足够的计算能力。
换言之，AI 竞赛正在模型背后催生出完整的基础设施经济。
这也将我们直接带到了内存。
人们谈论 AI 计算时，大多数注意力都集中在 GPU 上，但 GPU 无法孤立运行。高带宽内存，即 HBM，是现代 AI 加速器的关键组件，因为大规模训练和推理需要极高的内存带宽。
#AnthropicDiscloses$84.5BComputeDealWithSpaceX
AI 竞赛开始显得不再像是一场软件竞争，而更像是一场基础设施竞争。
Anthropic 的 IPO 文件展现了下一代 AI 公司预计将需要多大计算能力，这一规模令人瞩目。据路透社报道，Anthropic 披露了一项与 xAI 达成的潜在计算能力安排，价值最高可达 845 亿美元，而其更广泛的长期基础设施承诺预计在未来十年将至少达到 5180 亿美元。
这些数字乍看之下很难消化。但更重要的问题并不只是 Anthropic 承诺投入多少资金。
而是，一家打造全球最先进 AI 模型的公司，为何首先需要如此强大的计算能力。
答案正变得越来越清晰。
训练前沿模型只是等式的一部分。模型一旦具备商业价值，计算需求并不会消失。每个用户请求都需要推理。每个持续运行的 AI 智能体都会消耗资源。更长的上下文窗口需要更多内存。能力更强的模型需要规模更大、复杂程度更高的基础设施。随着 AI 从偶尔进行的聊天机器人交互转向能够持续执行任务的系统，所需的计算量可能会大幅增加。
这改变了 AI 行业的经济学。
稀缺资源已不再只是优秀研究人员或出色算法的获取渠道。可靠的计算能力本身正成为一种战略资产。
Anthropic 的基础设施承诺表明，各家公司正试图在需求变得更难满足之前，先确保获得这种资产。
这项 845 亿美元的安排尤其值得关注，因为它代表了一种不同于全部内部建设的方式。租赁计算能力可以让 AI 公司获得大规模 GPU 基础设施，而无需自行建设每个数据中心、确保每条电力连接、购买每台服务器，并独自管理整个实体部署流程。
这种灵活性很重要。
AI 需求增长迅速，但也难以预测未来数年后的情况。租赁可以让公司更快扩大计算能力，并有可能避免拥有数量庞大的硬件，而这些硬件日后可能无法得到充分利用。
但这一策略还有另一面。
长期基础设施承诺可能会变成巨额固定义务。路透社报道称，Anthropic 披露的基础设施承诺中，约 80% 无论实际使用情况如何都具有约束力。这意味着，该公司实际上是在进行一场巨额押注，相信未来的 AI 需求、收入和模型使用量将证明如今的基础设施决策是合理的。
这正是 AI 基础设施故事变得更加有趣的地方。
Anthropic 并不依赖单一的计算能力来源。其披露的承诺涉及多家基础设施和技术合作伙伴，包括与 Google、Amazon、Microsoft 和 Broadcom 相关的巨额协议。该战略似乎是在继续扩大底层 AI 业务的同时，从多个来源确保足够的计算能力。
换言之，AI 竞赛正在模型背后催生出完整的基础设施经济。
这也将我们直接带到了内存。
人们谈论 AI 计算时，大多数注意力都集中在 GPU 上，但 GPU 无法孤立运行。高带宽内存，即 HBM，是现代 AI 加速器的关键组件，因为大规模训练和推理需要极高的内存带宽。
TrendForce 的最新研究让这一故事中的部分变得更加重要。该机构预计 HBM 供应将持续受限至 2027 年，并将 2027 年 HBM 加权平均销售价格的预测上调至同比增长 121%，原因在于供应紧张、HBM4 占比不断提高以及 AI 服务器需求持续增长。
这意味着 AI 基础设施竞赛并不会止步于数据中心。
更多的 AI 计算需求会给 GPU、HBM、网络设备、电力基础设施、冷却系统、数据中心建设和电力供应带来压力。
因此，我认为 Anthropic 文件中最有趣的部分并不是数字本身的 headline。
而是对结构性转变的确认。
多年来，AI 话题一直由模型架构、基准测试分数和产品功能主导。如今，瓶颈正日益转向实体层面。你可以拥有杰出的研究人员和复杂的算法，但如果没有足够的芯片、内存、电力和数据中心容量，这些模型就无法以市场预期的规模进行训练或提供服务。
与此同时，仅仅向问题投入更多硬件，不可能成为行业的永久解决方案。
如果计算成本持续上升，AI 公司最终将既需要更高的效率，也需要更多的计算能力。更小的模型、量化、稀疏化、推理优化、改进的架构和专用加速器，都可以减少完成特定任务所需的计算量。
这为 AI 的下一阶段创造了一种有趣的平衡。
更多的计算能力拓展了模型能够完成的事情。更高的效率则决定了这些能力能够以多高的经济性被交付。
因此，Anthropic 巨额的基础设施承诺告诉我们的，远不止一家 AI 公司的支出计划。
它们表明，AI 行业正在进入一个阶段：确保获得计算能力可能与开发模型本身同等重要。
真正的竞争可能不只是关于谁能打造最聪明的 AI。
它可能越来越关乎谁能确保获得足够的计算能力、内存、能源和基础设施——同时仍然让经济效益成立。
而这比一则 845 亿美元合同的 headline 要宏大得多。