Anthropic 的 IPO 路演视频

Anthropic 昨天启动了 IPO 路演，他们的路演视频包含一些此前未公开的、关于其业务如何运作的信息。

联合创始人 Tom Brown 关于「计算策略」的部分尤其有趣，其中描述了 Anthropic 如何在 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 上训练和提供 Claude。

我不确定为什么没有官方视频文字稿，但这是我用 MacWhisper 提取的一份。重点如下：

我们现在在全部四个主要芯片家族上训练和提供 Claude。这之所以可能，是因为我们很早就对多芯片战略下了一个非常规的赌注。当时，许多人认为在不同芯片上运行 AI 模型不值得付出努力。每种芯片都需要自己定制的软件栈和推理栈，构建起来既昂贵又困难。我们已经做了很多年，并且变得极其擅长。[……] 举例来说，今年我们首次开始使用 AMD GPU。过去，引入一个新的芯片平台需要数十名工程师数月的工作。这一次，我们让 Mythos 试了试。它在短短三天内就让 Claude 在 AMD 上运行起来，基本没有人工干预。Claude 移植或编写了几乎 100% 的核。[……] 我们计算优势的第二个驱动因素是我们发现计算乘数的速度。我们关注总有效计算量，它是物理容量与我们发现的计算乘数的乘积。我们每发现一个乘数，总有效计算池就会变大。例如，假设训练某个智能水平的模型需要 100 个计算单位。4 倍计算乘数意味着你可以用 25 个计算单位训练完全相同的模型。或者，你可以用这 100 个物理单位训练一个更智能的模型，而它以前需要 400 个单位。 计算乘数为我们创造了难以复制的竞争优势。它们相互叠加。我们每发现一个新乘数，都会对之前的乘数产生正向作用。它们会累积。我们相信，随着我们接近递归自我改进，这一进程还能进一步加速。Claude 将能够完全自行发现计算乘数，使计算乘数的数量增长得越来越快。

去年九月，Anthropic 在关于近期三个问题的复盘文章中让我们一窥其多芯片战略，当时他们描述了仅影响其 TPU 部署的 bug。

发布于 2026 年 11 月 11 日下午 3:11