← 文章 / 行业与公司动态
Simon Willison 46分钟前 · 2026-11-16 07:13:14 · 0 阅读

Anthropic IPO路演:揭秘多芯片算力策略与竞争优势

Anthropic 的 IPO 路演视频。Anthropic 昨天正式启动了 IPO 路演,其路演视频中披露了一些此前未公开的商业运作细节。

联合创始人 Tom Brown 出镜的“算力策略”环节尤其引人关注,详细描述了 Anthropic 如何在 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 上训练和部署 Claude。

我不太清楚为什么官方没有提供视频文字稿,这里是我用 MacWhisper 提取的一份文字记录。以下是其中的亮点:

我们现在已经在四大主流芯片平台上训练和部署 Claude。这得益于我们在早期做出的一个非主流决定:采用多芯片策略。当时很多人认为,在不同芯片上运行 AI 模型不值得投入精力,因为每种芯片都需要定制化的软件栈和推理栈,建设成本高且难度大。我们已经这样做了多年,并在这个过程中积累了极强的能力。[...]

举个例子,今年我们首次开始使用 AMD GPU。过去,接入一个新芯片平台往往需要数十名工程师耗费数月时间。这一次,我们让 Mythos 尝试了一下。它在短短三天内就让 Claude 跑在 AMD 芯片上,几乎无需人工干预。Claude 移植或编写了接近 100% 的 kernels。[...]

我们算力优势的第二大驱动力,是发现算力倍率(compute multipliers)的速度。我们关注的是总有效算力(total effective compute),即物理算力容量与所发现的算力倍率的乘积。每发现一个新的算力倍率,我们的总有效算力池就会变大。举例来说,假设训练某个智能水平的模型需要 100 个单位的算力,那么 4 倍算力倍率意味着你只需要 25 个单位的算力就能训练出完全相同的模型;或者,你可以用这 100 个物理算力单位去训练一个更智能的模型,而这个模型原本需要 400 个单位的算力。

算力倍增器为我们打造了难以复制的竞争优势。它们会相互叠加——每发现一个新的倍增器,都会对之前的倍增器产生正向加持,层层累积。我们认为,随着逼近递归自我改进,这一过程还会进一步加速:Claude 将能够完全自主地发现算力倍增器,让倍增器的数量增长越来越快。

早在去年 9 月,Anthropic 发布的三起近期事故复盘就透露了他们的多芯片策略——文中描述的几个 bug 只影响其 TPU 部署。

原始来源: Simon Willison

评论 (0)