英伟达GPU，不再是唯一选择

长期以来，英伟达GPU凭借成熟的软件生态、强大的计算性能和完善的系统解决方案，在AI算力市场占据重要地位。但随着AI模型训练与推理需求持续增长，头部企业开始探索更多元的算力供应方式。Anthropic最新披露的多平台资源池策略，通过整合不同厂商的芯片资源，企业不仅能够拓展算力供应渠道，也开始拥有更灵活的资源调度和采购选择。

从采购GPU到多平台算力调度

Anthropic在S-1文件中披露，其采用多平台资源池策略，将亚马逊Trainium、谷歌张量处理单元TPU、英伟达GPU以及AMD GPU纳入统一资源池，通过软件整合不同合作伙伴的算力资源，并根据任务需求在不同芯片平台之间分配计算负载。

过去，AI企业扩充算力主要依靠增加GPU采购、建设计算集群以及升级互连能力。如今，头部企业开始将不同架构的芯片纳入同一套资源管理体系，根据成本、供应情况、工作负载类型和平台效率，动态调整算力分配。换言之，算力战略不再只是关注“买了多少张卡”，还要考虑“能够调度多少种芯片”以及“如何将任务分配给最合适的平台”。不过，多平台布局主要是为了拓展算力选择，并不意味着AI企业会立即转向全面摆脱英伟达的路线。

对于英伟达而言，短期订单需求并未消失，但随着客户逐渐具备跨平台调度能力，GPU采购不再是唯一选择，其定价能力、供应谈判优势以及生态系统带来的客户黏性，都将面临新的变量。

据Business Insider援引研究机构Moor Insights & Strategy创始人兼首席执行官Patrick Moorhead的观点，英伟达最有可能受到影响的是定价能力。相比依赖单一芯片平台的客户，能够在四种平台之间灵活分配工作负载的企业，在采购谈判中显然拥有更大的议价空间。IDC分析师Ashish Nadkarni也表示，多芯片战略能够降低Anthropic对英伟达算力供应的依赖，使其在芯片供应波动时拥有更大的调整空间。

对于超大规模AI企业而言，算力供应的稳定性和连续性直接影响模型更新与迭代速度。因此，Anthropic的策略具有双重意义：一方面分散供应链风险，另一方面增强其在价格和供应条件谈判中的主动权。

AI算力竞争迈向系统级较量

这一变化反映出AI算力市场供需关系正在发生转变。长期以来，英伟达GPU凭借强大的计算性能，以及CUDA软件生态、网络互连解决方案和系统级交付能力，建立了显著的市场优势。如果大型AI企业只能围绕GPU构建计算集群，那么面对供应周期和价格波动时，其调整空间相对有限。

Anthropic此次披露的重点，并不只是采购了哪些芯片，而是展示了一种跨平台算力组织与管理方式：将来自不同供应商的计算资源整合进统一资源池，再通过软件调度，将训练或推理任务分配给更适合的硬件平台。从行业角度看，这意味着AI基础设施的竞争正在从单一硬件性能的比拼，逐步转向硬件多样性与软件调度能力相结合的系统级竞争。

跨平台调度仍面临技术门槛

多平台算力调度具有吸引力，但真正落地仍面临较高的技术要求。不同芯片平台在指令集、编译工具、软件栈以及并行计算策略等方面存在明显差异，工作负载迁移并不像更换硬件那样简单。Circular Technology全球研究与市场情报负责人Brad Gastwirth认为，Anthropic的策略短期内不会对英伟达构成重大威胁。即使AI企业拥有更多芯片选择，也无法直接消除英伟达在计算性能、网络互连和软件生态方面已经建立的优势。

AI计算集群之间的竞争，并非单纯比拼单颗芯片的性能，而是一场涵盖芯片、交换网络、互连协议、存储系统和调度软件的整体系统竞争。英伟达的竞争壁垒不仅建立在GPU本身，还来自围绕GPU形成的完整系统级生态。更重要的是，目前只有规模最大的AI企业具备实施跨平台算力调度所需的资源和能力。跨平台管理算力需要专业技术团队和持续的软件投入，同时还要求企业拥有足够规模的计算任务，以分摊相关成本。因此，中小型AI企业很难直接复制这一模式。

总体来看，Anthropic的多平台算力战略预计将率先影响头部大型AI客户的采购决策和基础设施规划，再逐步向更广泛的产业供应链传导。与此同时，英伟达也在持续加快市场布局，AI算力市场的竞争格局仍将进一步深化。