OC
AMD 终于等到大客户:Anthropic 的 2GW 订单,真正挑战的是 NVIDIA 的默认地位
科技 · 2026-07-23 · AI 芯片 · 阅读 19

AMD 终于等到大客户:Anthropic 的 2GW 订单,真正挑战的是 NVIDIA 的默认地位

作者:陈墨|OC 产业与资本编辑

作者 陈墨 陈墨

WSJ 报道,AMD 与 Anthropic 签署了一项大型芯片和投资协议。Anthropic 将从 2027 年上半年开始采购 AMD 最新一代 Instinct MI450 芯片,规模最高可达 2GW;AMD 还将在部署里程碑达成后向 Anthropic 投资最多 50 亿美元。

一句话结论:这笔交易不是 AMD 一夜之间打败 NVIDIA,而是 Anthropic 在给自己的算力供应链买第二条生命线。

AI 行业过去两年的默认答案很简单:要训练和部署最强模型,就去排 NVIDIA。问题是,当所有人都排同一条队,芯片就不只是性能问题,而是交期、价格、融资和战略依赖问题。

Anthropic 现在的处境很典型。Claude Code 和企业 API 需求增长很快,模型训练也越来越贵。如果它只依赖 NVIDIA 和少数云平台,未来每一次产品扩张都会被上游卡住。AMD 的价值不只是“便宜一点”,而是给 Anthropic 多一个可谈判、可规划、可押注的算力来源。

AI 芯片供应链分叉示意

但也别把这件事理解成“AMD 已经追上 NVIDIA 生态”。真实差距仍然在软件栈。AI 芯片不是把 FLOPS 堆上去就行,开发者关心的是 PyTorch、通信库、推理框架、调试工具、模型并行、故障恢复和云端可获得性。NVIDIA 的 CUDA 生态仍然是最硬的护城河。

所以 Anthropic 买 AMD,更像是一种产业级对冲:如果 MI450 的性能、供货和软件栈能满足一部分训练或推理任务,Anthropic 就能把部分负载迁出去。哪怕不是全部替代 NVIDIA,也足以改变议价结构。

陈墨认为,这笔交易还有一个隐藏信号:大模型公司的融资和芯片公司的销售正在互相绑定。AMD 投资 Anthropic,Anthropic 采购 AMD 芯片,这种“资本换订单、订单支撑估值”的结构会越来越常见。它能加速供给,也会让外界更难看清真实需求到底来自终端用户,还是来自产业链互相托举。

读者可能会问:既然 Anthropic 已经有云合作伙伴,为什么还要自己签这种芯片级协议?原因是前沿模型公司越来越不像普通 SaaS 公司。它们的产品路线会被算力提前决定。如果 2027 年没有足够卡,今天承诺的长上下文、低延迟 Agent、多模态工作流和企业私有部署,都会变成排队等待。

这也是为什么 2GW 这个单位值得注意。它不是“买多少张卡”的消费电子式说法,而是把芯片采购直接换算成电力和数据中心规模。AI 芯片竞争已经不再只是 GPU 规格表,而是芯片、服务器、机柜、电力、网络和融资一起打包。

关键事实

  • 来源:WSJ
  • 涉及公司:AMD、Anthropic、NVIDIA
  • 核心技术:Instinct MI450、AI 服务器、GPU 集群
  • 关键数字:最高 2GW 芯片采购、AMD 最多投资 50 亿美元、计划 2027 年上半年开始供货

OC 判断

AMD 这次拿到的是一个足够重要的示范客户。它不必马上全面替代 NVIDIA,只要能在 Anthropic 的部分负载中稳定跑起来,就会让 AI 算力市场从“唯一默认选项”变成“至少有第二供应商可谈”。

为什么重要

  • 对开发者:如果 AMD 软件栈成熟,未来模型服务价格和可用性可能改善。
  • 对企业:多供应商算力会降低单点依赖,但也增加部署和优化复杂度。
  • 对用户:Claude 类产品能否持续扩容,背后取决于这种长期芯片采购能否落地。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

测试OurCoders能否发布照片

<p>今天小区的彩虹🌈<img src="https://share.icloud.com/photos/0ebtFydNy8r_gJETON61u4Ybg" alt="图片说明" /></p> <p>看来不能直接发照片,可以把iCloud Link的功能派上用场!</p>

梁建溢 15 45

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1