OpenAI 与 Anthropic 将吞下全球过半新增算力

全球新增算力正在加速向两家 AI 公司集中。SemiAnalysis 创始人 Dylan Patel 近日在 Dwarkesh Podcast 中给出判断：2025 年 OpenAI 与 Anthropic 合计将吃下全球约三分之一的新增算力，到 2026 年这一比例可能逼近一半；若趋势延续，到 2028 年底两家公司可能支配全球多数有效可用算力。这一观点在业内引发广泛讨论，Hugging Face 联合创始人 Thomas Wolf 转发称，这是他第一次看到主持人 Dwarkesh 在节目中真正为「AI 权力是否将集中到极少数公司」这一问题感到纠结。

一年吃进三座核电站

两家公司的算力扩张速度堪称陡峭。年初，OpenAI 手中约 2 吉瓦算力，Anthropic 不足 2 吉瓦；到今年底，两家都将超过 5 吉瓦。一年内规模涨到三到四倍，单位是吉瓦——一吉瓦大约相当于一座大型核电站的发电功率，相当于一年新增三座核电站的发电量。

支撑这一扩张的还有一层常被忽视的乘数：今年新增的一瓦算力，性能远高于两年前装的一瓦。GB300、TPU v7、Trainium 3 这一代芯片，每瓦性能大约是上一代的 3 到 5 倍。叠加全球 AI 芯片总算力每 7 个月翻一倍的速度，Dylan 口中「2027 年底两家拿走一半新增算力」的那一半，含金量将远高于现有存量，并呈逐年放大态势。

需要注意的是，这一统计口径是算力的最终使用者，而非产权所有者。例如开发者在亚马逊 Bedrock 上调用 Claude，这部分算力同样记在 Anthropic 头上。

比的不是囤卡，而是每兆瓦能赚多少

为什么是这两家？Dylan 给出的答案是「每兆瓦收入」这个常被忽视的指标。

一年前，token 生意本身还是赔钱的：OpenAI 在 Hopper 上跑 GPT-4 时，每个 token 都是负毛利，Anthropic 同样在烧投资人的钱。如今格局已经反转——Anthropic 第二季度开始盈利，OpenAI 据报道第三季度也能转正。GPT-5.6、Opus 5、Fable 5 这一代模型上线后，两家每兆瓦收入都已越过 1000 万到 1500 万美元的算力成本线，跑在最前面的 Anthropic 最高做到了每兆瓦 5000 万美元。

竞争逻辑由此转向正反馈循环：赚得更多就能出更高的价，拿到更多算力后训出更强的模型，进而赚得更多。租金已经从最初的 1000 万至 1500 万美元一路涨到 2500 万、4000 万美元。能出得起这个价的，目前主要就是 OpenAI 和 Anthropic。Dylan 预计到 2027 年底，两家的每兆瓦收入可能升至 7000 万至 8000 万美元。

云厂商盖楼，实验室租房

算力的产权与使用权正在分离。根据 Epoch AI 数据，全球 AI 算力的产权约 71% 仍握在五大云厂商手中，但使用权正快速向两家 AI 实验室集中。云厂商相当于「房东」——拿地皮、建数据中心；OpenAI 和 Anthropic 则像两大主力「租客」，签下长期租约把大部分机房吃下来。

第三种玩家正在出现：先盖房、再找租客。多数云厂商需要先签客户、拿合同去银行融资后才敢动工；但 Meta、SpaceX 家底厚，可以跳过融资直接开工，房子盖好后再挑出价最高者。马斯克更进一步——Dylan 在播客中算过一笔账：一吉瓦算力成本约 150 亿美元，他以 400 亿美元价格售出，一年便收回全部本金。据 WSJ 报道，Anthropic 已开始以每月 12.5 亿美元的价格租用 SpaceX 数据中心容量。

租客的胃口比房东预想更大。OpenAI 去年 1 月启动 Stargate 时设定目标是 2029 年前在美国锁定 10 吉瓦算力，一年后目标已提前完成，仅最近 90 天就增加了 3 吉瓦以上。Anthropic 今年 4 月宣布与谷歌和博通合作拿下数吉瓦级下一代 TPU，2027 年起陆续上线，是公司迄今最大一笔算力订单。两家也开始自建基础设施：OpenAI 推进自研芯片，Anthropic 的 TPU 则交给 Fluidstack 部署。

买来的算力都拿去干了什么

实验室的算力配比大致是：50% 研究、10% 开发、40% 推理。最大一块是研究而非训练本身。

以 Anthropic 训练 Mythos 为例：预训练在单个站点上仅用约 200 兆瓦算力、跑了约两个月，后续强化学习阶段用得更少。真正的原因不是舍不得用，而是分布式机房之间数据传输速度跟不上算力速度，强行拼凑只会互相等待。剩余的算力大部分烧在试新架构、调数据配比、验证各种想法上。

Dylan 还给出一个反常识的判断：推理占比将继续下降。当一兆瓦今天能卖 3000 万到 4000 万美元时，拿出四成做推理卖 token 合理；但当收入涨到 6000 万、7000 万美元时，董事会将面临一道选择题——继续卖 token 给股东分红，还是把算力全部收回投进研发冲刺 AGI。Anthropic 已经出现早期迹象：每月新增算力仍在增长，但年化收入的增量已趋平，新算力被持续投入研发。

谁来付 11 万亿美元的账单

钱的问题同样严峻。今年全球 AI 资本开支略超 1 万亿美元，2028 年将超过 2 万亿美元。据 SemiAnalysis 估算，2024 到 2029 年累计投入约 11 万亿美元，其中约 6 万亿可由企业自身收入覆盖，剩余约 5 万亿需要靠借债融资。

大量债务集中投向同一信贷市场，资金成本随之被推高。Meta 当前发债利息为 5% 到 6%，Dylan 判断它愿意一路付到 8%，因为建出来的算力回报足够高。但 AI 公司整体抬高的融资利率，会传导至所有依赖同一资金池的产业。

政府层面的监管也在收紧。纽约限制数据中心建设，德州推出暂缓措施，俄亥俄州长更是于 2026 年 5 月宣布暂停数据中心税收豁免。更具杀伤力的是模型层面的管制——OpenAI 的 Astra 至今未放出，Anthropic 也压着被外界视为下一代 Mythos 的模型等待安全评估。一旦最强模型无法上线，每兆瓦收入涨不动，高价抢算力的循环就会被掐断。

算力集中与 AI 劳动力的指数级扩张

主持人 Dwarkesh 在节目末尾算了另一笔账：前沿算力每年涨 4 到 5 倍，而达到同一能力水平所需的算力每年降至原来的三分之一，两者相乘意味着前沿实验室的「有效 AI 劳动力」每年扩张约 10 倍。按这一速度，某家实验室今年可能拥有 1000 万个 AI 劳动力，明年 1 亿，后年 10 亿——「用不了太多年，一家公司的有效劳动力就可能超过地球上的人口总数。」

支撑这一规模效应的力量包括：训练成本被摊薄到数十亿次会话、算力稀缺带来的溢价能力、模型从部署中持续学习并形成数据飞轮。Dylan 直言这一切「吓人得要命」。三年前 AI 公司比拼参数规模，两年前比拼跑分高低，如今比的是每兆瓦能赚多少钱。真正的挑战，已经从「谁先做出 AGI」转向「AGI 做出之后，归谁调用」。