Anthropic 在 IPO 路演视频中披露多芯片战略与算力倍增器机制

2026年11月11日 - 链接博客

Anthropic IPO 路演视频。Anthropic 昨天启动了 IPO 路演，其路演视频披露了一些此前从未公开过的业务运作细节。

联合创始人 Tom Brown 讲解的“算力方案”部分尤其引人注目，其中介绍了 Anthropic 如何在 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 这四大平台上训练并提供 Claude 服务。

不知道为什么官方没有放出视频文本，不过这里有我用 MacWhisper 提取出的一份逐字稿。以下是其中的重点内容：

我们现在已经在四大主流芯片架构上全面实现了 Claude 的训练与推理部署。能做到这一点，全靠我们早期反其道而行之，押注了多芯片策略。当时很多人觉得在不同芯片上跑 AI 模型纯属吃力不讨好。每种芯片都得配专属的定制软件栈和推理栈，做起来又贵又难。但我们坚持搞了好几年，如今在这方面已经极其擅长。[……]

举个例子，今年我们首次开始适配 AMD GPU。过去每接入一个新芯片平台，都需要几十名工程师耗费数月时间。而这一次，我们交给了 Mythos 尝试。在基本没有人工干预的情况下，它只用三天就让 Claude 在 AMD 上顺利跑了起来。其中将近 100% 的底层内核（kernel）都是由 Claude 亲自移植或编写的。[……]

算力优势的第二个推手，是我们发现“算力乘数”（compute multipliers）的速度。我们看重的是“总有效算力”，即物理硬件容量与我们发现的算力乘数的乘积。每找到一个乘数，我们的总有效算力池就会扩大一次。举个例子，假设训练某个智能水平的模型需要 100 个算力单位，那么 4 倍的算力乘数就意味着只需 25 个单位就能训练出完全相同的模型；或者，你也可以用这 100 个物理算力单位，训练出一个以往需要 400 个单位才能达到的、更具智慧的模型。

算力乘数为我们构筑了极难被复制的竞争壁垒。这些乘数会相互叠加：每发现一个新乘数，都会对之前的乘数产生增益，形成复合效应。我们坚信，随着逐渐迈向递归自我提升，这一进程还会进一步加快。届时 Claude 将能完全自主发现算力乘数，推动算力乘数的增长越来越快。

其实早在去年 9 月 Anthropic 发布的近期三起事故复盘分析中，我们就已经能隐约窥见其多芯片战略的端倪——当时他们详细描述了几个仅波及 TPU 部署环境的 Bug。