Newshot 2026 年 11 月 11 日 - Link Blog
Anthropic 的 IPO 路演视频。Anthropic 昨天启动了他们的 IPO 路演，路演视频中包含了一些此前未公开的、关于其业务如何运作的信息。
与联合创始人 Tom Brown 一起讲的「Approach to compute」这一节尤其有意思，其中描述了 Anthropic 如何在 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 上训练并服务 Claude。
我不确定为什么没有官方的视频文字稿，但下面这份是我用 MacWhisper 提取出来的。重点摘录如下：
我们现在在全部四大芯片家族上训练并服务 Claude。这之所以可能，只是因为我们在早期就对多芯片策略下了一个非传统的赌注。当时，很多人认为在不同芯片上运行 AI 模型不值得费这个劲。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。我们现在已经做了好几年，并且做得极其出色。[...] 举个例子，今年我们第一次开始与 AMD GPU 合作。过去，引入一个新的芯片平台需要数十名工程师花费数月的工作。这一次，我们让 Mythos 试了试。它只用了三天就让 Claude 在 AMD 上跑了起来，基本上没有人工干预。Claude 移植或编写了几乎 100% 的 kernel。[...] 我们算力优势的第二个驱动因素，是我们发现算力乘数的速度。我们关注的是总有效算力，也就是物理容量乘以我们所发现的算力乘数。我们每发现一个乘数，我们总有效算力的池子就变大。举例来说，假设你需要 100 个单位的算力来训练一个具备某种智能水平的模型。4 倍算力乘数意味着你可以用 25 个单位的算力训练出完全一样的模型。或者你可以用那一百个物理单位去训练一个更智能的模型，而这样的模型此前需要 400 个单位。算力乘数为我们创造了一种难以复制的竞争优势。它们会相互叠加。我们每发现一个新乘数，都会对之前的乘数产生正向作用。它们是叠加的。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 将能够完全依靠自己发现算力乘数，让算力乘数的数量增长得越来越快。
我们现在在全部四大芯片家族上训练并服务 Claude。这之所以可能，只是因为我们在早期就对多芯片策略下了一个非传统的赌注。当时，很多人认为在不同芯片上运行 AI 模型不值得费这个劲。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。我们现在已经做了好几年，并且做得极其出色。[...]
举个例子，今年我们第一次开始与 AMD GPU 合作。过去，引入一个新的芯片平台需要数十名工程师花费数月的工作。这一次，我们让 Mythos 试了试。它只用了三天就让 Claude 在 AMD 上跑了起来，基本上没有人工干预。Claude 移植或编写了几乎 100% 的 kernel。[...]
我们算力优势的第二个驱动因素，是我们发现算力乘数的速度。我们关注的是总有效算力，也就是物理容量乘以我们所发现的算力乘数。我们每发现一个乘数，我们总有效算力的池子就变大。举例来说，假设你需要 100 个单位的算力来训练一个具备某种智能水平的模型。4 倍算力乘数意味着你可以用 25 个单位的算力训练出完全一样的模型。或者你可以用那一百个物理单位去训练一个更智能的模型，而这样的模型此前需要 400 个单位。
Anthropic 的 IPO 路演视频
计算倍增器为我们带来了难以复制的竞争优势。它们相互叠加。我们发现的每一个新倍增器，都会对它之前的倍增器产生正向影响。它们层层累积。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 将能够完全靠自己发现计算倍增器，使计算倍增器的数量增长得越来越快。
去年九月，Anthropic 在对近期三个问题的复盘中，透露了其多芯片策略的一点线索——他们在其中描述了只影响其 TPU 部署的 bug。
近期文章
- 用 Claude 定位神秘哔声的来源 - 2026 年 11 月 9 日
- 把你的垃圾 PR 描述藏在 <details><summary> 后面 - 2026 年 11 月 9 日
- 我笔记本电脑上的 Qwen 3.8 27B 也能解读模型权重 - 2026 年 11 月 3 日
- 美国人口普查局与“超级智能” - 2026 年 11 月 2 日