Anthropic與OpenAI尋求小型AI資料中心，加快部署20至30兆瓦算力

TradingKey - Anthropic 與 OpenAI 正在大型 AI 基礎設施專案之外，尋求容量約為 20 至 30 MW 的小型資料中心，以更快獲得可用算力，並滿足日益增長的模型推理需求。

據 CNBC 援引知情人士報導，Anthropic 已在英國與北歐地區接洽相關專案，OpenAI 此前也在北歐考察類似機會，兩家公司還曾就美國境內同等規模的容量展開磋商。與雙方過去一年簽署的數百 MW 乃至 GW 級協定相比，這類專案規模明顯更小，但建設及交付速度通常更快。

OpenAI 表示，公司正在建立更加多元的算力組合，以滿足全球 AI 需求。由於不同工作負載對效能、可靠性、成本及交付時間的要求並不相同，公司會與多種類型的合作夥伴接觸，但不會評論具體的商業談判。

Anthropic 則未對此作出回應。

這並不意謂著兩家公司將放棄超大規模資料中心，而是開始在大型長期專案之外增加更靈活的算力來源。Anthropic 此前與英國雲端運算公司 Nscale 達成約 450 億美元的合作，計劃租用其西維吉尼亞州專案約 460 MW 的算力。OpenAI 也透過 Stargate 及其他合作推進多個 GW 級基礎設施專案。

超大型專案適合集中訓練先進模型，卻往往需要漫長的電網接入、審批和建設週期。美國部分資料中心受到當地社區反對，歐洲傳統市場則面臨土地、電力與輸電容量緊張。在已經通電的現有站點鎖定數十 MW 容量，通常比等待單一大型園區全面投產更加現實。

對於能夠跨地區運行的工作負載而言，多個小型叢集累積後同樣可以形成可觀的算力規模。這種模式還能減少單一專案延期帶來的影響，讓 AI 公司在大型設施完工前提前部署部分服務。

AI 計算從訓練向推理遷移，是小型資料中心受到關注的另一項原因。訓練大型模型通常要求大量 GPU 在同一叢集內高速協同，對網路互連與晶片密度的要求較高。推理則主要負責處理使用者提出的請求，許多任務可以拆分到不同地點的較小叢集，毋須將全部晶片集中在同一座超大型設施中。

隨著聊天機器人、AI 代理與企業應用進入生產環境，推理需求正在成為資料中心擴張的重要動力。JLL 預估，全球資料中心用於 AI 推理的容量將在 2027 年超過訓練；到 2030 年，推理工作負載佔比可能由 2025 年的 9% 升至 37%，同期訓練佔比則由 14% 降至 13%。

小型專案還可以更靠近使用者及企業客戶，有助於降低網路延遲，並滿足不同地區的資料合規要求。英國與北歐不僅擁有較多現成資料中心資源，還擁有相對充足的清潔電力及較低的冷卻成本，也為分散式 AI 部署提供了條件。

因此，Anthropic 與 OpenAI 尋求 20 至 30 MW 專案，更像是對現有算力戰略的補充，而不是削減基礎設施投資。兩家公司仍需要大型叢集訓練前沿模型，但隨著推理流量擴大，未來的 AI 基礎設施可能不再完全依賴少數 GW 級園區。