Anthropic与OpenAI正在将部分算力需求转向20至30兆瓦（MW）级别的数据中心，以更快获得可用容量。这与两家公司此前动辄数百MW乃至吉瓦（GW）级别的超大规模基础设施布局形成对比。

9月18日，援引知情人士称，Anthropic已在英国和北欧就20至30 MW规模的项目展开接触，OpenAI也在北欧寻找类似机会，双方在美国亦有相关谈判。

这一变化发生之际，AI计算需求正从模型训练逐步向推理服务迁移。小型设施能够更快落地，也更适合分散处理推理任务。Structure Research预计，到2027年，推理工作负载在全球数据中心总容量中的占比将超过训练负载，并于2030年升至37%。

超大项目之外，AI公司开始“多点布局”

过去一年，两家公司均签署了大规模基础设施协议。Anthropic与云计算服务商Nscale达成约450亿美元的云计算协议，将租用其位于美国西弗吉尼亚州数据中心约460 MW的算力。OpenAI的Stargate项目则已超过最初10 GW的承诺目标，并进一步在佐治亚州和俄亥俄州新增3 GW和8 GW的开发计划。

如今，两家公司开始补充更灵活的算力来源。CNBC援引四位知情人士称，Anthropic已在英国和北欧寻求20至30 MW规模的资源；其中两位人士表示，OpenAI也在北欧探索类似项目，另有一位人士称，双方还涉及美国境内的相关谈判。

OpenAI回应称，公司正在“构建多元化的算力组合，以满足全球日益增长的AI需求”。不同工作负载需要不同基础设施，公司会综合考虑需求、性能、可靠性、时间节点和成本。

“快”成为算力采购的新考量

Structure Research研究主管Jabez Tan表示，小型项目的核心优势是更快获得可用容量。在已经通电的现有站点获取几MW容量，往往比等待单一地点释放大规模容量更实际；对于能够跨站点运行的工作负载，多个小型设施也可以叠加形成可观的总容量。

大型数据中心建设则面临较长周期。美国及其他市场的大型项目受到当地社区阻力，欧洲不少地区还面临土地和电力资源紧张。对AI公司而言，先获取分散资源，可以在大型项目落地前补充算力。

曾为OpenAI在得州建设大型数据中心园区的Crusoe正在加大对小型数据中心的投入。这类设施建设速度更快、成本更低，有助于降低大型项目延期带来的影响。Crusoe未对此置评，但该公司同日宣布完成39亿美元融资，融资后估值达到309亿美元。

推理需求推动算力走向分布式

AI工作负载结构的变化，是这一趋势背后的另一重要驱动。Jabez Tan表示，大模型训练通常需要大量芯片在同一集群内协同运行，而推理任务可以拆分至多个较小集群，分别处理独立请求，因此更适合分布式部署。

JLL数据显示，2025年推理负载占全球数据中心工作负载的9%，训练负载占14%。预计到2027年，推理负载占比将超过训练负载，到2030年进一步升至37%，同期训练负载占比将降至13%。

这一趋势也开始影响数据中心建设模式。今年2月，英伟达宣布将与多家数据中心行业参与方合作，研究面向分布式推理的小型数据中心方案。随着推理需求持续增长，AI基础设施竞争正从单纯追求超大规模，转向同时关注算力的获取速度、部署灵活性和分布式能力。