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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。