慣性聚合 高效追讀感興趣之博客、新聞、科技資訊
閱原文 以慣性聚合開啟

推薦訂閱源

博客园 - 司徒正美
V
V2EX
T
Tailwind CSS Blog
有赞技术团队
有赞技术团队
aimingoo的专栏
aimingoo的专栏
Apple Machine Learning Research
Apple Machine Learning Research
IT之家
IT之家
Blog — PlanetScale
Blog — PlanetScale
A
About on SuperTechFans
月光博客
月光博客
T
The Blog of Author Tim Ferriss
宝玉的分享
宝玉的分享
Martin Fowler
Martin Fowler
博客园 - 聂微东
The GitHub Blog
The GitHub Blog
V
Visual Studio Blog
WordPress大学
WordPress大学
酷 壳 – CoolShell
酷 壳 – CoolShell
Engineering at Meta
Engineering at Meta
GbyAI
GbyAI

Hacker News - Newest: "AI"

AI can't read an investor deck AI as an attorney? Student uses ChatGPT, Gemini to sue UW Hacking MCP Servers in AI Systems – The Rug Pull: Tool Changes After Approval GitHub - MeepCastana/KubeezCut: Free Web based video editor GitHub - GenAI-Gurus/awesome-eu-ai-act: Curated tools, official sources, OSS, templates, and guides for EU AI Act compliance. Can AI judge journalism? A Thiel-backed startup says yes, even if it risks chilling whistleblowers Coming soon: 10 Things That Matter in AI Right Now DARPA built an AI to fact-check enemy weapons claims IatroBench: Pre-Registered Evidence of Iatrogenic Harm from AI Safety Measures What explains heterogeneity in AI adoption? When AI Meets Muscle: Context-Aware Electrical Stimulation Promises a New Way to Guide Human Movements - Department of Computer Science AI Changed How We Build. It Did Not Change What Matters. Linux rules on using AI-generated code - Copilot is OK, but humans must take 'full responsibility for the… Meta spins up AI version of Mark Zuckerberg to engage with employees Code Mode: Let Your AI Write Programs, Not Just Call Tools | TanStack Blog GitHub - Delavalom/graft: Go framework for building AI agents. Type-safe tools, multi-provider (OpenAI, Anthropic, Gemini, Bedrock), zero vendor SDKs. India's TCS tops estimates, says new AI models did not dent services demand Gen Z's fading AI hype Strong feeling: we are in a folded AI reality GitHub - machinarii/total-recall-catalog: A reference catalog of latest knowledge retrieval, memory & RAG systems GitHub - mensfeld/code-on-incus: Give each AI agent its own isolated machine with root, Docker, and systemd. Active defense detects and stops threats automatically.. Quantization, LoRA, and the 8% Problem: Benchmarking Local LLMs for Production AI Iran war: We spoke to the man making Lego-style AI videos that experts say are powerful propaganda Powell, Bessent discussed Anthropic's Mythos AI cyber threat with major U.S. banks GitHub - immartian/bellamem: Persistent belief-graph memory for AI agents. Retrieves decisive context by importance — not recency, not RAG, not /compact. recursive-mode: The Repo-Native Operating System for AI Engineering After the attack on Sam Altman's home, will AI CEO's go on the offensive? The biggest advance in AI since the LLM Opus 4.6 vs GPT 5.4 One Prompt Unity World Generation Test “AI polls” are fake polls Client Challenge Can AI be a 'child of God'? Inside Anthropic's meeting with Christian leaders How to Switch AI Chatbots and Why You Might Want To GitHub - MattMessinger1/agentic_refund_guardrail: Safe refund policy layer for AI agents — Python + TypeScript. Same behavior, shared tests. Adam/papers/emergent_values_whitepaper.md at master · strangeadvancedmarketing/Adam Ask HN: How do you stop playing 20 questions with your AI coding tools How far can automation and AI support psychotherapy? - @theU GitHub - stagas/rtdiff: realtime git diff gui and AI-assisted commits A Mac Studio for Local AI — 6 Months Later A History of the Early Years of AI at the University of Edinburgh Why AI Coding Tools Still Feel Stuck on Localhost MSN AI Datacenters Are Becoming Strategic Targets twitter.com Penn Researchers Use AI to Surface Unreported GLP-1 Side Effects in Reddit Posts Show HN: MoodSense AI (ML and FastAPI and Gradio, Deployed on Hugging Face) Moodsense Ai - a Hugging Face Space by aman179102 AI models are terrible at betting on soccer—especially xAI Grok GitHub - xialeistudio/echoic GitHub - HimashaHerath/github-dev-wrapped: AI-powered weekly GitHub activity reports deployed to GitHub Pages
Frontier Labs所用人工智能计算力几何?
sleepyguy · 2026-05-24 · via Hacker News - Newest: "AI"

谨告:下文所述前沿开发者计算之估量,较之吾等寻常数据工作,更为悬而未决。

OpenAI于二零二二年推出ChatGPT,遂揭人工智能之盛。前沿大语言模型旋即聚百万用户,计亿金之入,引AI计算设施投资之巨潮,英伟达AI相关销售更见激增。四倍于二〇二三年。全球人工智能计算之力,今至约二千万Nvidia H100之等,资以数百亿之岁费。

然OpenAI启算力之盛,然未独占算力之用。吾估之,至二二五年末,OpenAI用于研习、训练、推演之算力,约占天下运作之AI算力之什之一至什之五,此比例于昨岁更小。纵加诸他资源最丰之前沿开发者——Anthropic、xAI及谷歌、Meta之AI实验室——合计之数,恐犹未及天下总数之半。

换言之,顶尖前沿实验室闲置之AI算力甚巨。Anthropic与OpenAI营收及融资急速增长,使其AI算力扩张之速,远超全球平均水平,此趋势将延续至2026年。

然首屈一指之实验室,数载之内或可攫全球计算之巨资。届时,首屈一指实验室之计算增长,将与计算总量之生产节奏更为直接相系,或可缓吾辈所睹模型能力与人工智能部署/营收之骤增。欲使规模得以持续,整体计算之建设需加速。既知人工智能资本支出(capex)已近千亿美元年,则计算生产之如此加速,必需经济剧变。

大抵人工智能之算力,非尽用于前沿之智也

欲详各公司之状,可于附录中求之,并参研究文书

吾无甚善之能也五境首富之五匠所耗算力之估,吾已知其详,可估其占寰宇算力之比。

启智之助昭之其数据中心总电力容量,可转换为约170万H100等价(H100e)计算能力。吾亦知xAI甚详。巨像数据中心。吾于Anthropic则较不明,彼于二零二五年末之计算力远逊OpenAI,然或犹逾百万H100e。Google DeepMind及Meta Superintelligence Labs之境况亦未可知,盖其母公司所拥有之计算力(约)……三分之一寰宇之总,其用分属疆界之智、云海之能,及他内用诸事。 未知谷歌与Meta之边疆实验室,其用未半焉。欲详各室之状,请阅附录

然犹明,甚多人工智能之算力,非顶尖实验室所用。吾之揣度,就Nvidia H100 GPU之当量而言,OpenAI、Anthropic、xAI三者,至2025年末,恐未逾四百万H100e。

Bar chart showing AI compute distribution in H100-equivalents as of end-2025, with dedicated frontier labs like OpenAI and Anthropic representing a small fraction compared to Google, Meta, and rest of world.

吾之揣度,DeepMind所用者,或不及谷歌总额之半。Meta亦租外部云算力(图表未显),自二二五年末始。世之H100e总数,估为十六百万,假定芯片销售(估二千万)与运作之间,有四分之一之滞后。此乃基准情景;若滞后更久,则前沿算力之占比当更高。

与此同时,累积售之 人工智能之算力,至二零二五年岁末,约计 二千零二十万 H100e 。然此数未必尽为可用——吾未详其确数,然粗略推算,当观人工智能云台(如 CoreWeave)之典型部署周期,而估芯片销售之时滞。3若配布与部署间有四分之一时滞,则至二零二五年末之部署计算力,堪比二零二五年第三季度已售计算力,彼时约有一千六百万H100e。若迟滞达半载,则部署计算力将减至约一千二百万H100e。

值此诸般布署之异,Anthropic、OpenAI与xAI之H100e总量,至二二五年末,将约占寰宇之二十至三十。若复计及超大规模企业用以在OpenAI及Anthropic模型上运行其自API之推论计算,此或更增约五百分之一。

与此同时,吾等估之。 谷歌与Meta共拥天下人工智能计算之约三分之一。然分配于谷歌DeepMind与Meta Superintelligence Labs之计算力,较此甚微,盖因谷歌外部云业务及非前沿应用(如推荐系统)之计算需求宏大。每实验室或用其母公司计算力之半,以此为初估,总计约占天下计算力之十五。

此谓天下五大资源最丰之AI开发者也去岁岁末,其或仅得全球人工智能计算力之半耳.

换言之,如OpenAI之流,虽肇启AI算力之建设,然非独任其责。余不欲详析其余,然可能之选,当推次级、三级大语言模型之参与者,及开放权重大语言模型之推演。非语言领域之AI/ML模型亦需算力:前沿大语言模型背后之创新,如转换器架构,已使模型大进。音声/形貌生成,生物学机器人学,及推荐之系统,诸如此类。

Anthropic与OpenAI,其将吞并全球AI计算之其余乎?

今世之人工智能计算,多不为顶尖实验室所用,然此景或于数年间有巨变。尤以吾见,Anthropic与OpenAI为关键之角色,当察之。

OpenAI与Anthropic,其计算之增长,较之全行业,至少于2025年,为速。4 OpenAI于二四、二五年间,其数据中心之电力容量增三倍;计及硬件效率之提升,其计算之力岁增约四倍。5 Anthropic之增长或更速,盖因其营收与资助渐追OpenAI之步伐。revenue吾辈或可度之。 诚然,全球人工智能计算资源至2025年已增三倍,以H100e计之;新安装计算量亦较2024年增2.7倍。

Line chart showing projected growth of H100-equivalent chips from 2023 to 2025, comparing world total versus OpenAI's share on a logarithmic scale.

然此非足证,不足以绘前沿计算增长之稳定趋势,亦不足以绘整体人工智能计算增长之稳定趋势。6 然观之,OpenAI与Anthropic之计算增长,似较全行业为速。

此势或可续。OpenAI内部其数据中心之能,将达“低双位”吉瓦于二二七年,较二二五年之一点九吉瓦为增。若此谓(如)二二七年末达十二吉瓦,则年增二点五倍,较二二三至二二五年之增三倍为缓,然犹速甚。OpenAI之长Greg Brockman,亦证之。彼公司将于二零二六年耗资五百亿美元于计算,较二零二五年所费者三倍。终有第三方...诸方预卜Anthropic与OpenAI,岁末将各具五至六吉瓦之能,较今或增二点五至三点倍。盖因智械之芯,价廉而速进也。效率,此乃H100e计算能力再增四倍之兆也。

举世之业,恐难及此长:超大规模企业之资本支出,年增七成,引领二〇二六亦然,是故全球计算之增,当类二〇二五之倍三。7

行业趋势亦显,顶尖实验室,尤以Anthropic与OpenAI为甚,正固市场之基。前沿大语言模型之需日增。今年爆烈,尤适于编程与自主任务。Anthropic有长成增其年化营收速率,自九十亿至三百亿,仅二零二六年首季,诚令人惊异!此乃之加速去年之已极,十倍之增,今又甚焉。8 OpenAI之近况,收入数据鲜有披露,然其编程模型与产品(如GPT-5.5),亦广受好评。收入之速增,及其相应之资金增长 ,使Anthropic与OpenAI得固全球算力之利。

诚然,Anthropic与OpenAI力谋算力,四月间,Anthropic与Amazon(计2026年上线1吉瓦Trainium)及Google签定多吉瓦扩容之约,复添CoreWeave。为计算之伴侣。复有奇诡之转折,Anthropic竟应之。赁之xAI之全部~三十万H100e巨塔一号数据中心,兼有巨塔二号之部分,偿至一百五十亿岁纳其值以享其权。OpenAI亦扩其云服务之列,签约与亚马孙(Amazon)二月中矣谷歌(Google)去岁。是故此二所,殆为祸首矣。计算资源紧缺增三成今岁业界所见GPU时价之变。

Anthropic与OpenAI非唯一也 之众推 LLM 之盛。求 DeepSeek 此类开重模型者,亦或日增。DeepMind 之观能动编码之魁首,虽未及今,然必未出竞,而 Meta 费巨资以追前沿 AI。然若能动之盛致 LLM 增其于 AI 之全业之份,则此将助 LLM 之魁首增其算力之份。Anthropic 之当前收益轨迹甚峻,似将导算力之聚。

二〇二三年,未显OpenAI或前沿大语言模型之众,终将统御AI之全域。越三载,今似见发端于AI算力之建设者,终将执其牛耳。

若前沿实验室穷尽其势,将若何?

Anthropic與OpenAI,或許佔有天下運作之人工智能計算力十五至二十之比,至二〇二五年末也。雖其增長之餘地尚廣,然若邊境實驗室之發展遠超業界全體,則此餘地僅需數年即可耗盡。11

设童蒙之喻,今二雄共占市有二十,其智算之进,速于寰宇三十三。譬若其算力岁倍,如OpenAI之业于二五,而天下之装基仅岁三。此境之下,二雄二岁半而智算之占倍,五岁而用其八。若智算更均于四或五之先觉者,非独Anthropic与OpenAI,则其势将速竭。

故近世人工智能之要旨,在于Anthropic与OpenAI能否继其算力增长之速,带动整体人工智能算力之升,抑或算力增长渐缓,因云业与半导体之业不能相随。

于此之际,吾欲申明者,人工智能芯片与数据中心之总投资额,已 甚巨。至2026年,AI之资本支出将 接近 十亿美元之岁入,几为世界总产值之一成,亦为美国国内生产总值之三成。今资本支出已耗尽超大规模企业之大部分营业利润。然无确保,自2026年后,AI之资本支出将续增。

若首屈一指之模匠耗尽算力之裕,其算力之增与人工智能算力之增趋同,则欲维持年增四倍之率,纵计芯片效能之进,亦需年增资本支出逾倍焉。。若自2027年始,AI之资本支出或达千亿美元之巨,则此般增长,唯AI能骤促经济增长方可为功。

换言之,数载之内,人工智能之业将易其道。前沿之智,或缓其算力之增,或主其业,或二者兼之。明言之,若算力缓,则无谓2029年有“进步之壁”:算力投资平缓,犹可促算力之长。 数载以降,人工智能之芯片犹将精进,诸公司得以以固定之算力研习训新模。然驱动前沿人工智能之要旨物理趋势,即算力之扩展,非根本改易世界速则难以为继。

谢 Amelia Michael、Ben Cottier、Brendan Halstead、Campbell Hutcheson、Elliot Stewart、Isabel Juniewicz、Konstantin Pilz、Romeo Dean、Yafah Edelman 之助益。

附录:多少计算力归于前沿人工智能开发者?

欲知详,请阅此长文。研探之始 此物能辨析诸公司之相关证物,兼详模型之细目。

此间,吾撮要述吾之估量,谓 OpenAI、Anthropic、xAI 及 Google 与 Meta 之前沿实验室于 2025 年末所获之 AI 计算力。此五者,殆为天下计算力最丰之开发者,然未必为模型质量之魁首。吾所重者,乃前沿 AI 公司 所租赁之计算力几何。抑或,非其之多少也。12Anthropic与OpenAI多租用云服务伙伴之计算力,如Amazon、Google及Microsoft;Google与Meta多然。 自有其人工智能之算力,然此中多用于非前沿之内部用途,或如谷歌之例,租予外部客户。

OpenAI

吾等所知最详者,乃OpenAI之算力,因其乐于披露之故。其租用数据中心之总电力容量,历2023、2024、2025年之终。OpenAI于2025年之末,有电力容量1.9吉瓦(GW),较2024年之0.6GW及2023年之0.2GW为增。13

Bar chart showing ending GW values rising from 0.2 in 2023 to 0.6 in 2024 to 1.9 in 2025E, illustrating roughly 3x annual compute scaling.

谨此致谢OpenAI

此电力容量,可化而为计算之能。以旗舰Nvidia AI GPU及服务器之规格,并假想OpenAI所用GPU之混合比例随时间之变化,此法,吾度之彼OpenAI有若此之数一七百万Nvidia H100 GPU(H100e),至二零二五年末,较之2024年之400,000与2023年之100,000(H100e乃基于峰值FLOP每秒之规格;实际运算或异焉)。又一法,可采媒体所载OpenAI于2025年斥云运算$16亿美元之讯,并合其或付GPU时之合理价。此至相仿之运算估。

Stacked bar chart showing estimated OpenAI compute by Nvidia chip generation in H100-equivalents from 2023 to 2025, with Blackwell chips comprising the majority by 2025.

一或可重大之阙失,乃推论计算之用,以运OpenAI模型于超大规模器所托之产,如微软之Azure API(今亦亚马孙Bedrock)。); 此计算资源或非OpenAI数据中心及云端计算之列。其是否应计为“OpenAI计算”,尚有争议:OpenAI虽分此计算之利,然无其运营之权。此微软推理计算之纳入,或可增OpenAI计算总量约二成五,上限或至半数,据OpenAI之营收及推理计算之分配观之(详情)

Anthropic

Anthropic盖于2025年时,算力远逊于OpenAI,然时日既久,渐追及之。有OpenAI内部备忘录云, Anthropic于2025年末之算力,仅1.4吉瓦,约OpenAI之1.9吉瓦总额之七成。于2024年及2025年,Anthropic之云算费用者,据报道,几近OpenAI之四十有奇。至于二零二五年之比,颇为出人意料,然Anthropic之计算支出,恐于岁末骤增。14

Anthropic之计算,大半藏于Amazon之Project Rainier。之校园于印第安纳,至二零二五年末,有H100等量之Trainium2芯片约五十万。Anthropic复于亚马逊、谷歌他处租用Trainium、Nvidia及TPU芯片甚众,故其总数必远超此一校园。与OpenAI之备忘录相参,吾以为Anthropic至二零二五年末,H100e之数当在一百万以上。犹OpenAI,计及第三方云之推演计算。APIs将增Anthropic之计算总量,复增约二十五之百分。

智械(xAI)

xAI,今属SpaceX,多取其算力于田纳西州孟菲斯之巨塔一、二数据中心。此二处合计约得H100e五十五万。二零二五年之终据传,xAI亦拥有或使用较小规模的数据中心。波特兰 与佐治亚,且以 Oracle 为云计算之伴至少至 2024 年。xAI 之总计算使用量,或于去年岁末约为 60 万至 70 万 H100 等价单位,或不及 Anthropic 之半,亦不及 OpenAI 估计之 170 万 H100e 之半数。

今年,xAI 决意租 Colossus 1 于 Anthropic,亦志在 大展宏图。 之 Colossus 2 至 1.4 百萬 H100e。15

關於 Google 與 Meta,16 吾將其「邊界 AI」之計算定義為其邊界 AI 部門所使用之計算,即 Google DeepMind(茲後簡稱 DeepMind)與 Meta 超智能實驗室(MSL)之計算,並涵蓋相關推理。17较之Anthropic或OpenAI,清议之难,盖因前沿之智工或可渗入他处之智工/机器学习之务,如推荐系统请提供需要翻译的英文文本。

谷歌深度智能

谷歌(Alphabet)乃天下计算之最富者;吾辈研之,人工智能芯片之主吾等估之,Google所据寰宇之四分之一,或五百万H100e于二二五年末,或四百万H100e以芯片销售与部署间有四分之一时滞。然此中多数非DeepMind所得:谷歌言其机器学习计算力约半归于谷歌云。十八 对于谷歌,所谓“云”,既含企业级Gemini推理(Vertex API及企业订阅),亦包外客之计算。其余半数,则分属DeepMind与非前沿内部之用,如推荐系统。

Stacked bar chart showing DeepMind-related compute usage across Google Cloud and rest of Google/Alphabet, with DeepMind using less than half of total compute.

深智之算力是否逾乎谷歌之半,系于云侧深智推演之算力,是否胜于非深智之内部算力。吾料后者为巨,则深智之算力,当不及总算力之半.

是故,纵谷歌之算力为众公司之冠 吾未明深智(DeepMind)于二零二五年末之算力是否胜于开智(OpenAI)。

Meta(Meta)

Meta(Meta)所据岁终二零二五年,天下人工智能之算力,约十之一,逾OpenAI所租之总数。十九然译此于Meta Superintelligence Labs(MSL)之计算,颇为难也。

初,多Meta之GPU,主辅其业,非前沿AI,乃广告与内容之推荐系统。君之Instagram信息流所运算法,实为宏器变法彼者,能极助人神交。廿第三方之估,谓前沿人工智能与推荐系统之别,在大抵五五之数于二二五年之中。

然Meta乃急转直下重前沿之智,于二二五年之末。马克·扎克伯格亲奉羹汤于众硕学,赐以厚禄,誓曰者,MSL整体将配备“业界领先之计算力”。故Meta之计算力,今或已显著倾斜于前沿人工智能。

次,Meta与GoogleOracleCoreWeave__签订大额云服务合约。 将于二二五年杪肇始;诸此交易渐炽,Meta 所用之 AI 计算力,当远逾其所有。然此云服务之议,犹属新创,吾料 MSL 所得之计算力,恐逊于 Meta 至二二五年杪之所有者甚巨。是故 MSL 所得计算力,或亦不及 OpenAI,盖吾等所估,Meta 所有 H100e 者仅二百三十万,未计部署迟滞,已分属 MSL 与他途之用。

  1. 吾所谓“AI计算力”者,实指其所能操作于数据中心之AI芯片数量,以芯片性能为权。此五所实验室,其用者多Nvidia数据中心GPU(如Hopper与Blackwell)、GoogleTPU及AmazonTrainium也。Return

  2. 吾亦不悉微软、亚马孙之内部疆域人工智能之规模;盖其母公司之巨,此等或已甚富计算之力。无论如何,吾以为最显明之疆域开发者,殆不及全部人工智能计算之半,此实有趣。Return

  3. CoreWeave 已披露之 二五年五月,其器物经“三月之安装时日”于交付与变现之间。至二五年岁末,此期已减为“数周之内”。然英伟达及诸芯片商或于云未取货之前即认收益,如售于服务器OEM者。Return

  4. 吾于Meta超智能/Meta AI或DeepMind之计算,知之未深。其生长之轨迹,然MSL自去年中以来,恐已增其Meta总AI计算之份额。Return

  5. 此约合四至五倍之增长趋势于前沿大语言模型训练之总计算力,虽吾辈于2025年初后闭界模型之数据所限。Return

  6. 其一,英伟达之人工智能销售于二零二三年骤增,后渐定于年增约七成之率。Return

  7. 详尽之计算总量预测,非所及也,然人工智能之支出增七成余,盖计算能力或增二至三倍:人工智能芯片,向例如是。三成有奇 每年更省。且至2025年,计算力将增三倍有余,此得益于去年超大规模企业资本支出增长七成。Return

  8. 吾等于Epoch AI之处,多论巨数与增长率。然诚然,欲尽述Anthropic之营收曲线之奇,实属难事。若能持续,一季之内营收三倍,则年增长率将达八十余倍;此必非长久之计,然自近十亿美元之营收起点,竟能见此迅猛增长,亦属奇事。吾等复得此数据点与加速之趋势相合,据报Anthropic将及四百五十亿五月矣!此剧变也!加速自Anthropic之十倍年增长率于二零二五年始既已史上此等规模之公司,未有长足之速若此者。另见评论。杰西·理查德森. Return

  9. 亚马逊与谷歌,本已为Anthropic之主要计算伙伴,故此合同乃相得益彰。新增之能力,将历数年而渐次展开。Return

  10. 此耗用,已逾Anthropic之支出。 昔年于算力之用,几与 OpenAI 相埒,然 Anthropic 或以重值租 Colossus。Anthropic 将 据报 其算力之费,于今年首季与次季间倍之,自约三十亿金,增为六十亿。Return

  11. 吾非欲言今时及将来之云计算市,乃为Anthropic与OpenAI之“闲宅”。彼辈欲续增其全球计算之份额,恐极难且费甚巨!其大者,已承于长契云服务之中,然首级实验室或购他者所用之计算,如Anthropic与Colossus然。然则,纵有容余,此辈公司之速增,非必要求人工智能半导体之生产加速也。Return

  12. 吾将通篇以“OpenAI之计算力”等语,然非言“自有”,则默认指公司或实验室租用或使用之计算量。Return

  13. (更详之方法,可于全研究中见之;代码于此)。吾以为OpenAI所测者,乃之IT之力也。 之数据中心所耗电力(指芯片、服务器及网络设备等计算设备之总用电量),非整座设施之总用电。科技业者多以IT电力计量数据中心之用电,而采用IT电力则得之估数,较合吾他以GPU时计之估。若吾假定OpenAI所引为设施总用电,则吾之计算估将减至~30%。Return

  14. 当自功率与金钱之数而计算,Anthropic之计算舰队,其功率效率与成本效率,或异于OpenAI之舰队。此或可稍弥其隙:Anthropic多用Amazon Trainium2芯片,此芯片较新者如Nvidia Blackwells,能量效率为逊,然亦相廉。Return

  15. xAI亦结大盟于Cursor。 处,xAI與Cursor將共享巨像之算力,以共研模型。此境介乎與Cursor之云算契約與收購Cursor(SpaceX以此契約得Cursor之一選擇權)之間。Return

  16. MicrosoftAmazon亦研大型基礎模型,然此舉似未若Google或Meta之成熟。Return

  17. 此可包蕴非实验室自为之前沿模型之产品级推论;譬如,DeepMind之团队或未直接参予所有Gemini驱动之产品。Return

  18. 有文载之。云云,盖谓“二零二五年,Google欲以半数之算力归云,[Google之司计官Anat Ashkenazi]于春间摩根士丹利之会而言是也。”至二零二六年,Google将持此比,据其二零二六年二月之财报电话会议云:“至二零二六年,吾等之机器学习算力逾半,将归于云业。”Return

  19. 此不包Meta特制MTIA芯片,此芯片较之音量低于二零二五年。吾亦消弭英伟达与超微之别;超微约占估总量百分之二十。Meta则据报AMD之Instinct AI芯片,乃其独占之巨擘,然吾未详其Meta所用何事。Return

  20. 于所链接者盈利之召,Meta将Facebook使用时间年增5%及Instagram视频使用量增30%之责多归于人工智能推荐。故近数年Meta扩大推荐系统规模之营收影响,或可累至数十亿美元年。推者,Google亦当为重,此乃另一网络巨擘。宣导之术巨物。Return