亚马逊宣布将向Anthropic追加50亿美元投资,进一步强化与这家AI公司的财务与商业合作关系,同时加深Anthropic对亚马逊云科技(AWS)基础设施的依赖程度。
此次投资于本周一正式宣布,包括50亿美元的前期注资,以及与商业里程碑挂钩、最高可达200亿美元的后续资金支持。这一举措建立在亚马逊此前已承诺约80亿美元投资的基础之上。
亚马逊首席执行官安迪·贾西在一份准备好的声明中表示:"我们的定制AI芯片在显著降低成本的同时,仍能提供高性能表现。Anthropic承诺在未来十年内在AWS Trainium上运行其大语言模型,这充分体现了我们所取得的进展。"
与此同时,Anthropic计划在未来十年内在AWS上投入逾1000亿美元,将其用于模型训练与推理部署,并依托包括Trainium芯片和Graviton CPU在内的AWS基础设施。
HyperFrame Research驻场分析师斯蒂芬·索普科表示:"我们正在见证的,是主要AI参与者与具备规模化能力和广泛覆盖的云服务商的深度绑定——随着企业客户从试点阶段迈向从AI中获取真实回报的阶段,这一趋势尤为明显。AWS在此布局合乎逻辑。"
长期基础设施战略对齐
此次协议的意义远超普通股权投资。Anthropic的长期支出承诺将AWS确立为其主要基础设施提供商,并将公司的增长与AWS的容量和服务深度绑定。
协议的规模表明,未来数年内对AI基础设施的需求将维持在高位且持续增长。
Anthropic首席执行官兼联合创始人达里奥·阿莫代伊表示:"我们的用户反映,Claude正变得越来越不可或缺……我们需要构建相应的基础设施,以跟上迅速增长的需求。"
这一协议结构与亚马逊更宏观的战略转型方向一致——即提前布局AI基础设施以应对未来需求。据Data Center Knowledge此前报道,亚马逊计划在AI相关领域投入2000亿美元,体现出其预判未来工作负载、超前部署算力的战略取向,而非随企业采用率的增长被动扩张。
这一方式优先确保了对电力、土地和芯片的早期获取权,但若需求增长未能如期实现,也存在资源利用率不足的隐患。
此次合作还进一步强化了亚马逊在自研AI芯片领域的投入。Anthropic大规模使用Trainium芯片,为AWS提供了一个大规模部署定制芯片的实战环境,有助于AWS持续将自研芯片定位为第三方GPU的替代选项。
Q&A
Q1:亚马逊此次对Anthropic的投资具体包含哪些内容?
A:此次投资共分两部分:50亿美元的前期注资,以及与商业里程碑挂钩、上限为200亿美元的后续资金。加上此前已承诺的约80亿美元,亚马逊对Anthropic的总投资规模将大幅提升。与此同时,Anthropic承诺未来十年在AWS上投入逾1000亿美元用于模型训练与推理,双方形成深度的战略绑定关系。
Q2:Anthropic为什么要长期依赖AWS基础设施?
A:随着Claude模型的用户规模持续扩大,Anthropic需要强大且稳定的基础设施支撑日益增长的训练与推理需求。AWS提供的Trainium芯片和Graviton CPU具备高性能、低成本的优势,能够满足Anthropic大规模部署大语言模型的需求。长期合作协议也保障了Anthropic在未来十年内的算力资源供应。
Q3:亚马逊自研的Trainium芯片在此次合作中扮演什么角色?
A:Anthropic承诺未来十年在AWS Trainium上运行其大语言模型,这为亚马逊提供了一个超大规模的实际部署场景。通过Anthropic的大规模使用,AWS可以验证和优化Trainium芯片的性能,并进一步将其推广为英伟达等第三方GPU的替代方案,巩固自身在AI芯片市场的竞争地位。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。