{"source":{"id":"raw_1fb3f9ab39b0d264","title":"造 Claude 的 Anthropic，把芯片买成了什么规模？ 它在博通账本上的订单，马上就要超过谷歌了。 谷歌花了十…","url":"https://mubeitech.com/p/raw_1fb3f9ab39b0d264"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"raw_15664e857d3b36ee","account":"mubei","brand":"@mubei","title":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。 15 个吉瓦是什…","summary":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。 15 个吉瓦是什么概念？ 相当于 15 座大型核电站机组的满负荷输出，或者整座纽约市在用电高峰时的全部电力负荷。 这家原本给谷歌和亚马逊做模型的软件实验室，2027 年要部署…","body":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。\n15 个吉瓦是什么概念？\n相当于 15 座大型核电站机组的满负荷输出，或者整座纽约市在用电高峰时的全部电力负荷。\n这家原本给谷歌和亚马逊做模型的软件实验室，2027 年要部署 5 个吉瓦的 TPU v8i，2028 年还要再追加 10 个吉瓦。\n它将一举超过谷歌，变成博通全球最大的定制芯片客户。\n另一边的 OpenAI 也在干同一件事。\nOpenAI 自研的第一代推理专用芯片 Jalapeño 刚刚开始量产出货，2027 年要部署 1.3 个吉瓦，2028 年目标直接拉到 5 个吉瓦以上。\n华尔街大部分人还在盯着英伟达卖了多少张通用显卡。\n为什么两家最顶尖的模型公司，算力规模一旦冲到吉瓦级别，都不约而同绕开了英伟达？\n答案藏在半导体物理与电网配电的一条硬约束里：定制硅分流。\n算力扩张到了吉瓦这个量级，真正的瓶颈早就不是买芯片的预算，是变电站的审批和电网的物理承载力。\n电力成了限制智能扩张的硬天花板。\n英伟达的通用显卡为了兼顾各种科学计算、图形渲染和前沿算法探索，芯片上留了大量冗余电路、复杂的通用调度模块和高精度计算单元。\n这些通用设计，每分每秒都在耗电。\n但当模型架构在工业级推理场景下固定下来，每天要处理几十亿次请求时，那些为了通用性保留的电路就变成了纯粹的电力浪费。\n专用芯片做的事情，是把所有多余的电路全部砍掉。\n它把模型最核心的矩阵乘法和数据传输通道直接固化在硅片上。\n在固定的电力预算下，专用芯片的能效比可以达到通用显卡的 2 到 3 倍。\n同样是一座 5 吉瓦的数据中心，用专用芯片能跑出来的推理吞吐量，能翻上一倍到两倍。\n省下几十亿美元电费只是附带结果，更关键的是直接突破了电网给每个数据中心划定的功率死线。\n很多人会问：既然是自研芯片，为什么它们都要找博通？\n因为把数十万颗芯片连在一起，算力只占一半，另一半全在高速互联。\n芯片算得再快，数据如果卡在传输通道上，芯片就会在空转中白白烧电。\n博通手里握着全球顶级的 SerDes 高速接口技术、Tomahawk 交换机芯片和先进封装连接专利。\n模型公司负责出算法架构，博通负责把这些计算核心用极低延迟的高速通道绑成一个庞大的算力集群。\n这条路径让模型公司同时甩掉了两道枷锁：一道是第三方通用芯片 70% 以上的毛利溢价，另一道是公有云厂商层层加价的租赁成本。\n算力竞赛的底层规则已经变了。\n探索期买通用显卡找方向，规模化部署就必须走专用芯片抢电网。\n未来的顶级人工智能竞争，不看谁囤了更多显卡。\n看谁能把变电站输进来的每一瓦电力，以最高的效率换成智能。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095429617913930059","translated_status_id":"2095429617913930059","published_at":"2026-09-03 10:27:47","created_at":"2026-09-03T10:27:47.421982","url":"https://mubeitech.com/p/raw_15664e857d3b36ee","markdown_url":"https://mubeitech.com/p/raw_15664e857d3b36ee/markdown"},{"rank":2,"id":"2068756029844901905","account":"mubei","brand":"@mubei","title":"一年前，半导体巨头 Broadcom（博通）和 Google 联手做了一个\"信仰之跃\"式的决定。 他们把筹码全押在了 A…","summary":"一年前，半导体巨头 Broadcom（博通）和 Google 联手做了一个\"信仰之跃\"式的决定。 他们把筹码全押在了 Anthropic 身上。 那时候，没人能保证生成式 AI 能成，也没人知道 Anthropic 专攻企业代码的路线能不能赚钱。 陈福阳（Hock Tan）最近在…","body":"一年前，半导体巨头 Broadcom（博通）和 Google 联手做了一个\"信仰之跃\"式的决定。\n他们把筹码全押在了 Anthropic 身上。\n那时候，没人能保证生成式 AI 能成，也没人知道 Anthropic 专攻企业代码的路线能不能赚钱。\n陈福阳（Hock Tan）最近在电视上 ：这就是一场闭着眼睛的豪赌。\n\n当时，博通和 Google 合作，用双方联合设计的 TPU 芯片，给 Anthropic 疯狂喂算力。\n结果，Anthropic 已经秘密提交了 IPO 申请，估值甚至直接反超了 OpenAI。\n陈福阳在镜头前坦言，这笔投资拿下了惊人的回报。\n\n为什么选 Anthropic？\n因为它的定位极度务实：不整虚的，专攻企业级市场 and 代码辅助工具。\n博通自己就是深度用户。\n他们把 Anthropic 的工具用在芯片工程设计上，结果把陈福阳都吓到了。\n\n\"它不仅是提高了效率，它设计出来的东西，甚至比我们自己最顶尖的工程师做得还要好。\"\n要知道，博通的工程师已经是芯片行业里最聪明、最贵的一拨人了。\n\n当大众还在争论 AI 是不是泡沫、算力会不会过剩的时候，硅谷最精明的老钱和新贵已经完成了闭环：\n用最顶级的芯片资源，孵化最强的大模型，再用大模型反哺、优化下一代芯片设计。\n这种\"硅基自我进化\"的飞轮一旦开始运转，后续没有入局的玩家恐怕连尾灯都看不到了。","category":"科技","score":80,"translated_x_url":"https://x.com/i/status/2068764038729728049","translated_status_id":"2068764038729728049","published_at":"2026-06-21 18:04:34","created_at":"2026-06-21T20:00:47+02:00","url":"https://mubeitech.com/p/2068756029844901905","markdown_url":"https://mubeitech.com/p/2068756029844901905/markdown"},{"rank":3,"id":"mb-20260901-51a17b","account":"mubei","brand":"","title":"Anthropic 刚刚签下一笔 350 亿美元的算力采购大单","summary":"Anthropic 刚刚签下一笔 350 亿美元的算力采购大单","body":"Anthropic 刚刚签下一笔 350 亿美元的算力采购大单。\n\n但供应商既不是微软，也不是它的主要投资方亚马逊和谷歌。\n\n是一家绝大多数人没听说过的专业云厂商 Lambda。\n\n更反常的是算力中心的位置：\n德克萨斯州纽埃瑟斯县，一个由前比特币矿企正在盖的变电站厂房。\n\n一家估值数百亿美元的明星 AI 公司，为什么要把未来六年的算力命根子，押在一处前币圈矿工的工地上？\n\n如果只看买卡和算力，你完全看不懂这笔交易。\n\n真正的问题是：\n亚马逊和谷歌已经给 Anthropic 投了几十亿美元，为什么它还要跑到外面大费周章地租卡？\n为什么连盖厂房的风险，都需要英伟达亲自下场兜底？\n\n这笔交易底下，运转着一套极其精密的四层机器。\n金融学上把这种结构叫作合成资产负债表。\n\n把四个角色的齿轮拆开，整套逻辑就彻底咬合了。\n\n第一层，是土地与电网准入。\n开发商是 Hut 8，一家早年靠比特币挖矿起家的企业。\n在德州建一个 700 兆瓦级的大型数据中心，如果从零向电网申请接入，通常要排队四到七年。\n但比特币矿企手里，早就囤好了现成的土地、高压变电站和供电批文。\n矿工卖的根本不是机房，是电网插头的插队权。\n\n第二层，是信用背书。\n手里有地和电，不代表矿企能直接从华尔街融到两百亿美元的建造成本。\n谁来提供担保？英伟达。\n英伟达拿出自己的顶级信用评级，直接跟 Hut 8 签下一份长达十五年、总额 196 亿美元的主承租合同。\n有了英伟达的签字兜底，银行和基础设施基金才敢把两百亿真金白银砸进德州的荒地。\n\n第三层，是算力运营商。\n英伟达拿到机房承租权后，转租给 Lambda，同时向 Lambda 批量交付自家的旗舰 GPU 芯片。\n英伟达既是 Lambda 的股东，又是它的房东，还是它的核心芯片供应商。\n\n第四层，是终端买家。\nAnthropic 进场，承诺在未来六年内向 Lambda 支付约 350 亿美元，锁定这批芯片的专属算力。\n\n把整个闭环串起来看：\n矿企出电力指标，英伟达出信用担保与芯片，Lambda 出运维，Anthropic 出长期现金流。\n\n过去，科技产业的边界清晰分明：\n芯片公司卖硬件，云巨头盖机房，大模型公司租算力。\n\n现在，这套旧规则被彻底重写。\n\n英伟达不再只是一家卖芯片的硬件商。\n它正在变成整条 AI 产业链的中央银行与终极承保人。\n\n它用自己的资产负债表做杠杆，替客户跳过漫长的电网排队，替机房解决巨额建设贷款，最后把滚雪球一般的算力收入，重新导回自家的芯片销售里。\n\n这 350 亿美元买的不仅是算力。\n买的是摆脱云巨头自研芯片绑架的筹码，也是一张在电网枯竭前抢先落袋的七百兆瓦电力门票。\n\n这场技术竞赛打到今天，拼的早已不单是模型算法。\n\n当电网审批排到五年之后，当顶级算力被少数几家大厂瓜分殆尽，谁能把能源、金融信用与硬件重新打包成一台自我供血的机器，谁才能真正留在牌桌上。\n\n算力的底层从来不只是代码。\n是电力，与杠杆。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-01 14:49:02","created_at":"2026-09-01 14:49:02","url":"https://mubeitech.com/p/mb-20260901-51a17b","markdown_url":"https://mubeitech.com/p/mb-20260901-51a17b/markdown"},{"rank":4,"id":"raw_6cb87127b0b2b742","account":"mubei","brand":"@mubei","title":"年收入 8.8 亿美元的芯片公司，账上突然趴着 254 亿美元的未交付合同。 相当于一口气签掉了未来 29 年的全部营收…","summary":"年收入 8.8 亿美元的芯片公司，账上突然趴着 254 亿美元的未交付合同。 相当于一口气签掉了未来 29 年的全部营收。 撑起这个天文数字的买家只有一家：OpenAI。 8 月中旬，刚冲刺上市的 AI 芯片公司 Cerebras 交出二季度财报。 季度营收翻倍破了 2 亿美元，…","body":"年收入 8.8 亿美元的芯片公司，账上突然趴着 254 亿美元的未交付合同。\n相当于一口气签掉了未来 29 年的全部营收。\n撑起这个天文数字的买家只有一家：OpenAI。\n8 月中旬，刚冲刺上市的 AI 芯片公司 Cerebras 交出二季度财报。\n季度营收翻倍破了 2 亿美元，全年预期拉高到 8.9 亿美元。\n但引爆华尔街的数字根本不在利润表上。\n是它在财报附注里披露的待履约合同余额，直接飙升到了 254 亿美元。\nOpenAI 为什么要把两百多亿美元的算力长期大单，押给一家造超大晶圆的初创公司？\n为什么华尔街分析师在看到这笔天量大单后，第一反应却是警告毛利率会被拉低？\n拆开财报底层的会计准则，会看到一台正在重塑 AI 算力供应链的财务装置。\n这台机器叫转嫁型资本架构。\n254 亿美元在美股会计准则 ASC 606 下，被称为剩余履约义务（RPO）。\n在软件和云计算时代，这个指标是投资人的最爱。\n软件公司的待履约合同，意味着未来几年源源不断的高毛利软件订阅费。\n但当 AI 军备竞赛杀入吉瓦时代，被塞进这个会计科目的东西彻底变了质。\nOpenAI 在 2025 年底与 Cerebras 签下的这份总协议，锁定了整整 750 兆瓦的推理计算容量。\n750 兆瓦需要拔地而起数座巨型数据中心、采购成批的高压变压器、铺设工业级冷却系统。\n按照行业造价，这笔重资产基建开支至少要吞掉数十亿美元。\nOpenAI 想要专属的算力机房，却不想把巨额的土地借款、土建工程和设备折旧直接挂在自己的资产负债表上。\n双方于是设计了一套穿透式成本转嫁机制。\nCerebras 出面去协调机房代建、锁定电力指标、垫付施工款项。\nOpenAI 则在后续的算力采购中，全额报销这些数据中心的基建投入。\n施工队的账单、高压电缆、变压器和混凝土成本，全部被打包成了「算力采购合同」。\n这些原本属于工程总包的低毛利垫资，堂而皇之化身为 254 亿美元的待履约积压订单。\n这也解释了为什么天量订单反而会稀释芯片公司的利润率。\n卖芯片赚的是高附加值的高毛利，替客户代建机房转嫁电费，赚的只是微薄的通道过路费。\n为什么 OpenAI 愿意把这笔重注交给 Cerebras？\n答案在推理大模型的物理瓶颈里。\n模型训练拼的是大规模显卡集群的通信吞吐。\n但到了复杂推理与长思维链生成阶段，GPU 面临的是残酷的内存墙。\n算力核心大半时间都在等待高带宽内存（HBM）搬运数据。\nCerebras 把整整一张晶圆做成单颗超大芯片，在片上直接集成了 44 GB 的高速静态存储器（SRAM），把内存带宽直接拉到了每秒 21 PB。\n在单批次低延迟推理上，它确实切中了 OpenAI 对下一代前沿模型的渴求。\n这形成了一场精密的各取所需。\nOpenAI 用一份长约锁定了格外稀缺的低延迟推理算力，顺手把沉重的数据中心重资产负债转嫁到了供应商头上。\nCerebras 拿到了向二级市场讲故事的天文数字，却也把几乎全部身家绑在了单一客户的履约风险上。\n254 亿美元的待履约订单，听起来像一座由前沿半导体筑起的金山。\n剥开转嫁型资本架构的外壳，里面流淌的大多是过路的混凝土与电费。\n当 AI 竞赛从算法比拼走向重工业落地，最昂贵的从来不只是晶圆上的电路。\n还有谁在暗中替整个行业扛下资产负债表上的水泥与变压器。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2096599216718070035","translated_status_id":"2096599216718070035","published_at":"2026-09-06 13:30:09","created_at":"2026-09-06T13:30:09.008791","url":"https://mubeitech.com/p/raw_6cb87127b0b2b742","markdown_url":"https://mubeitech.com/p/raw_6cb87127b0b2b742/markdown"},{"rank":5,"id":"raw_4a5df096b9f3d795","account":"mubei","brand":"@mubei","title":"Broadcom 刚交出了一份惊人的成绩单：单季 AI 芯片收入飙升到 167 亿美元。 但真正震动硅谷的，是财报里披露…","summary":"Broadcom 刚交出了一份惊人的成绩单：单季 AI 芯片收入飙升到 167 亿美元。 但真正震动硅谷的，是财报里披露的一连串客户名字与交付进度。 OpenAI 的第一代自研芯片 Jalapeño 已经在三季度开始出货。 Google 的新一代 TPU v8i 开始量产交付。…","body":"Broadcom 刚交出了一份惊人的成绩单：单季 AI 芯片收入飙升到 167 亿美元。\n但真正震动硅谷的，是财报里披露的一连串客户名字与交付进度。\nOpenAI 的第一代自研芯片 Jalapeño 已经在三季度开始出货。\nGoogle 的新一代 TPU v8i 开始量产交付。\nAnthropic 锁定了吉瓦级别的专用算力。\n它即将在 2027 年成为 Broadcom 最大的自研芯片客户。\n这几家在全球大模型竞赛里打得最凶的对手，正在做同一件事：\n集体把推理任务，从通用的 GPU 搬到定制的专用芯片上。\n为什么连最缺算力的头部实验室，都不再只买 NVIDIA 的显卡？\n是旗舰显卡算得不够快，还是底层的经济账已经彻底变了？\n把这笔账算到底，会看到一台支配着整个算力世界的冰冷机器。\n通用计算税。\n通用的图形处理器是按全能标准设计的。\n为了应付图形渲染和各种复杂的算法分支，\n芯片里塞满了调度单元与冗余电路。\n在模型训练阶段，算法天天改，代码随时变。\n这种万能的灵活性是必需品。\n可一旦模型训练完成，进入全天候的推理服务，情况就彻底变了。\n大模型推理做的事情高度固定：\n海量的矩阵乘法，加上高带宽的数据搬运。\n在通用 GPU 上跑推理，就像雇了一整支交响乐团，天天在路口吹哨指挥交通。\n那些用不上的庞大电路依然占着昂贵的晶圆面积，每一毫秒都在空耗电费。\n这就是通用计算税：\n你为用不上的万能灵活性，付出了几倍的硬件溢价与电力成本。\n当算力规模还在几千张卡的时候，没人计较这点损耗。\n但当部署规模冲到吉瓦级别，电力成了整个数据中心最硬的物理天花板。\nOpenAI 规划在 2027 年部署 1.3 吉瓦的 Jalapeño。\n到 2028 年，这个数字要扩张到 5 吉瓦以上。\nAnthropic 给出的规划更激进：2028 年要部署 10 吉瓦的专用算力。\n在吉瓦级的电网约束面前，算力的较量不再是谁能堆出多高的理论峰值。\n核心指标只剩下一个：每一瓦电力，到底能产出多少个标记。\n把所有无关的电路全部剥离，只留下最贴合模型结构的计算核与高带宽互联。\n这就是 Broadcom 这类芯片设计伙伴搭建的专用机器。\n它不负责通用世界里的所有可能性。\n它只负责用最低的功耗和成本，把模型推向几亿用户的终端。\nAI 行业过去信奉一套军备竞赛叙事，以为护城河全在通用的软硬件生态里。\n可当技术从实验室走向工业化量产，\n通用的全能，往往会变成最沉重的商业负担。\n万能的工具适合探索边界。\n但当工业化降临，胜负只取决于谁能把每一度电的浪费剥离到极限。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095443533926637941","translated_status_id":"2095443533926637941","published_at":"2026-09-03 10:27:49","created_at":"2026-09-03T10:27:49.460930","url":"https://mubeitech.com/p/raw_4a5df096b9f3d795","markdown_url":"https://mubeitech.com/p/raw_4a5df096b9f3d795/markdown"}]}