TradingKey - Anthropic与OpenAI正在大型AI基础设施项目之外，寻找容量约为20至30兆瓦的小型数据中心，以更快获得可用算力，并满足日益增长的模型推理需求。

据CNBC援引知情人士报道，Anthropic已在英国和北欧地区接洽相关项目，OpenAI此前也在北欧考察类似机会，两家公司还曾就美国境内同等规模的容量展开磋商。与双方过去一年签署的数百兆瓦乃至吉瓦级协议相比，这类项目规模明显更小，但建设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组合，以满足全球AI需求。由于不同工作负载对性能、可靠性、成本及交付时间的要求并不相同，公司会与多种类型的合作伙伴接触，但不会评论具体的商业谈判。

Anthropic则未对此作出回应。

这并不意味着两家公司将放弃超大规模数据中心，而是开始在大型长期项目之外增加更灵活的算力来源。Anthropic此前与英国云计算公司Nscale达成约450亿美元的合作，计划租用其西弗吉尼亚州项目约460兆瓦的算力。OpenAI也通过Stargate及其他合作推进多个吉瓦级基础设施项目。

超大型项目适合集中训练先进模型，却往往需要漫长的电网接入、审批和建设周期。美国部分数据中心受到当地社区反对，欧洲传统市场则面临土地、电力和输电容量紧张。在已经通电的现有站点锁定数十兆瓦容量，通常比等待单一大型园区全面投产更加现实。

对于能够跨地区运行的工作负载而言，多个小型集群累积后同样可以形成可观的算力规模。这种模式还能减少单一项目延期带来的影响，让AI公司在大型设施完工前提前部署部分服务。

AI计算从训练向推理迁移，是小型数据中心受到关注的另一项原因。训练大型模型通常要求大量GPU在同一集群内高速协同，对网络互连和芯片密度的要求较高。推理则主要负责处理用户提出的请求，许多任务可以拆分到不同地点的较小集群，无须将全部芯片集中在同一座超大型设施中。

随着聊天机器人、AI代理和企业应用进入生产环境，推理需求正在成为数据中心扩张的重要动力。JLL预计，全球数据中心用于AI推理的容量将在2027年超过训练；到2030年，推理工作负载占比可能由2025年的9%升至37%，同期训练占比则由14%降至13%。

小型项目还可以更靠近用户及企业客户，有助于降低网络延迟，并满足不同地区的数据合规要求。英国和北欧不仅拥有较多现成数据中心资源，还拥有相对充足的清洁电力及较低的冷却成本，也为分布式AI部署提供了条件。

因此，Anthropic与OpenAI寻找20至30兆瓦项目，更像是对现有算力战略的补充，而不是削减基础设施投资。两家公司仍需要大型集群训练前沿模型，但随着推理流量扩大，未来的AI基础设施可能不再完全依赖少数吉瓦级园区。

原文链接