徽声在线9月18日讯（编辑 李明）在AI技术迅猛发展的当下，争夺部署AI工作负载所需基础设施的竞争愈发白热化，Anthropic与OpenAI这两大AI领域的领军企业，正将目光投向规模相对较小的AI数据中心交易。

回溯过去一年，这两家AI公司均签署了规模惊人的AI数据中心协议，这些协议所涉及的设施规模庞大，从数百兆瓦甚至达到了吉瓦级。然而，据知情人士透露，如今这两家公司开始转变策略，积极寻求规模小得多的算力容量交易，其规模大致在20至30兆瓦之间。

多位消息灵通人士表示，Anthropic已经在英国和北欧地区，就这一规模的算力部署与相关方展开了合作协议的接洽工作。其中部分人士还透露，OpenAI也一直在北欧地区探寻类似的小规模部署机会，试图在这片区域找到合适的算力资源。

不仅如此，其中一名人士还进一步透露，他们了解到Anthropic和OpenAI在美国同样也在进行同等规模算力部署的相关谈判，试图在本土市场也布局小规模算力资源。

过去一年里，这两家公司频繁宣布一系列AI基础设施交易，其目的主要是为了满足训练模型以及向用户提供模型服务的需求。在AI热潮持续升温的大背景下，获得规模较小的算力资源具有显著优势，它能够帮助企业更快地部署AI工作负载，从而在激烈的市场竞争中抢占先机。

OpenAI发言人在回应相关问题时表示：“我们正在积极构建多元化的算力组合，以应对全球不断增长的AI需求。随着AI应用的不断拓展，对算力的需求也在持续变化，我们需要灵活应对。”

“不同的AI工作负载对基础设施的要求各不相同，因此我们会与各种合作伙伴进行广泛沟通，并根据自身的实际需求、性能要求、可靠性标准、时间安排以及成本等多方面因素，综合评估相关机会，以确保能够获得最适合的算力资源。”

小规模算力：快速获取可用资源的新途径

在获取算力的方式上，这两家AI公司通常是从数据中心运营商和新云服务商（neocloud）那里租用算力，并且一直倾向于寻求大规模、长期的合作协议，以保障算力的稳定供应。但如今，市场环境的变化促使他们开始关注小规模算力交易。

上个月有报道称，Anthropic与Nscale签署了一项规模巨大的云服务协议，金额约450亿美元。根据该协议，Anthropic将租用Nscale位于美国西弗吉尼亚州一处数据中心项目约460兆瓦的算力容量，这一举措显示出其在算力布局上的大规模投入。然而，即便如此，他们也没有忽视小规模算力的潜力。

OpenAI在今年4月也公布了其“星际之门”（Stargate）AI基础设施项目的进展，该项目已超过最初承诺的10吉瓦装机容量。此后，OpenAI又承诺在佐治亚州建设额外3吉瓦、在俄亥俄州建设8吉瓦的算力设施，进一步扩大了其算力规模。但大型项目的推进并非一帆风顺。

在美国以及其他地区，大型数据中心项目正面临着越来越多来自当地社区的反对声音。在欧洲许多地区，该行业同样承受着巨大压力，一方面可供开发的土地资源十分紧张，另一方面电力资源的供应也面临挑战，这使得大型数据中心的建设和运营面临诸多困难。

Structure Research研究主管Jabez Tan指出，小规模算力交易往往具有“更快获得可用算力”的显著优势。他解释道：“与等待某一个地点释放规模更大的算力区块相比，在已经具备电力供应的现有场地获得几兆瓦的算力，可能更加实际和可行。因为大型算力区块的释放往往需要较长时间，而且涉及到诸多复杂的因素，而小规模算力则可以更灵活地满足企业的需求。”

他还进一步表示：“对于那些能够跨不同地点运行的工作负载而言，多处小规模部署加起来也能形成相当可观的算力容量。这种分散式的部署方式不仅可以提高算力的可用性，还可以降低因单一地点故障而导致的风险。”

AI算力需求转变：从训练到推理

在AI领域，训练AI模型和进行推理是两个不同的阶段，对算力的需求也有所不同。训练AI模型需要大量的计算能力，以处理海量的数据，从而让模型能够学习到各种特征和规律。而在日常运行中进行推理时，并不需要使用规模很大的芯片集群，对算力的要求相对较低。

Tan对此进行了详细解释：“训练大型模型通常需要大量芯片紧密协同工作，就像一个庞大的团队共同完成一项复杂的任务。而许多推理工作负载则可以在多个较小的集群之间分别处理不同请求，类似于将一个大任务分解成多个小任务，由不同的小团队分别完成，从而可以选择更多部署地点，提高资源的利用效率。”

随着AI技术的不断发展和应用场景的日益丰富，越来越多AI算力正从模型训练转向模型实际生产应用，这一变化的重要性正在不断上升。因为在实际应用中，推理的需求更为广泛和频繁，所以用于推理的算力容量预计将持续增长。

房地产公司JLL的一份报告也印证了这一趋势。报告显示，到2027年，用于AI推理工作负载的数据中心容量占比预计将超过模型训练。这意味着在未来几年内，推理将成为AI算力需求的主要方向。

报告还提供了具体的数据对比：2025年，推理任务占全球数据中心工作负载的9%，而训练任务占14%。但到了2030年，推理预计将占用37%的数据中心容量，而训练所占比例将降至仅13%。这一数据的变化清晰地展示了AI算力需求从训练向推理的转变趋势。

今年2月，有消息称英伟达将与多家数据中心行业参与者展开合作，共同研究专门用于分布式推理的小规模数据中心。这一举措表明，行业内的领先企业已经认识到了推理算力市场的重要性，并开始积极布局。

周四有报道称，美国公司Crusoe目前也开始投资规模更小的数据中心。与目前在美国各地面临延迟的大型数据中心项目相比，这些小型设施具有建设速度更快、成本也更低的优势。Crusoe可以更快地将这些小型数据中心投入使用，满足市场对推理算力的需求。

Crusoe是AI基础设施建设热潮中业务迅速增长的多家新型云服务商之一。该公司周四宣布完成一轮39亿美元融资，投后估值达到309亿美元。这一融资成果不仅显示了市场对Crusoe的认可，也反映了投资者对小规模数据中心和推理算力市场的信心。

（徽声在线 李明）