一、Anthropic的“CPU逻辑”推理时代的基础设施重构Anthropic与Akamai的交易中最值得关注的不是金额而是“CPU”这个关键词。Akamai的新闻稿和Form 8-K文件都明确描述为“CPU工作负载”和“专用云计算容量”。Raymond James的分析师指出CPU在功耗和采购成本上优于GPU这将驱动更高的利润率。分析师判断Anthropic很可能将这些CPU用于AI推理而非训练Claude模型。这个判断符合AI产业正在发生的结构性变化。当模型训练集中在少数头部公司而推理需求随着Agent、智能体、企业AI应用的普及而呈指数级扩散时推理算力的经济性逻辑与训练截然不同。训练需要GPU集群进行长时间、高密度的矩阵运算。而推理尤其是企业级AI推理往往是大量并发、相对轻量的请求——查询数据库、调用API、生成报告、处理文档。这些任务的算力需求模式与CPU的架构特性更加匹配。Anthropic选择Akamai而非传统云巨头也有其逻辑。Akamai拥有全球分布的边缘节点网络能够将推理能力部署到离用户更近的地方。这降低了对集中式超大规模数据中心的依赖也避开了GPU供应链的瓶颈。但“CPU推理”的普及对系统层提出了一个被低估的要求并发请求的可靠调度。当数千个推理请求同时到达需要被分发到不同的CPU节点、访问不同的数据源、返回结果并保持会话状态——这个过程的可靠性不取决于CPU的算力而取决于连接CPU与业务逻辑的中间层。消息队列确保请求不丢失缓存层维持会话一致性应用服务器管理负载均衡。金蝶天燕的Apusic中间件云平台中的ADMQ和AMDC承担的正是这一角色。在推理算力从“集中”走向“分布式”的趋势中中间件层是确保“算力可达”的基础设施。二、谷歌的“太空实验”逃离地球的物理约束如果说Anthropic是在“逃离”对GPU的依赖谷歌则是在“逃离”地球本身。Project Suncatcher的核心假设是低地球轨道可以提供近乎连续的太阳能且不受地面电力供应、土地资源、社区反对的约束。在某些轨道上太阳能的生产效率可达地面太阳能板的8倍。但“太空数据中心”的工程挑战远比这个概念听起来更严峻。辐射是第一道门槛。太空辐射会导致“比特翻转”——芯片中的0和1被反转数据错误随之产生。谷歌的应对方案是“重启芯片”每次出错就重启一次。这个方案在四颗芯片的实验中或许可行但当扩展到数千颗芯片时重启的频率和代价将变得难以承受。散热是第二道门槛。太空是真空环境传统的气流散热完全失效。谷歌的方案是热管加散热器的组合但即便如此四颗TPU每运行约15分钟就需要停机散热。从四颗芯片扩展到足以支撑一个“数据中心”的规模散热系统的复杂度将呈指数级增长。发射成本是第三道门槛。单次Falcon 9发射成本约7400万美元。谷歌的计划是2027年发射两颗卫星长期目标是80颗以上的卫星组网。这个规模的投资需要验证在轨算力的“性价比”是否真的优于地面。谷歌研究高级副总裁James Manyika的表态很克制“我们不指望在未来几年内有什么可用的运营成果。”他将这个项目比作谷歌的无人驾驶汽车——“在真正落地之前我们测试了大概15年。”三、“搁浅资产”的阴影与算力供给的“交付曲线”两条新闻的背后还有一个共同的宏观背景AI算力基础设施的“交付风险”正在累积。牛津大学史密斯学院与Marex联合发布的白皮书指出35%至50%的计划中AI数据中心项目进度落后于预期。作者提出了一个尖锐的概念“bragawatts”吹嘘的瓦数——大量宣布的算力容量“被夸大或推迟”市场正在对“公告曲线”而非“交付曲线”定价。AFCOM的《2026年数据中心现状报告》显示数据中心平均机架密度已达27kW同比增长69%但空置率处于历史低位的同时过度建设导致“搁浅资产”的风险正在上升。算力的“供给叙事”与“供给现实”之间存在一道不断扩大的裂缝。Anthropic与Akamai的交易本质上是在这道裂缝中寻找“替代路径”——不依赖新建超大规模数据中心而是利用Akamai已有的分布式基础设施。Akamai预计需要55亿美元的资本支出和95至105兆瓦的电力容量来支撑这份合同。这个规模远小于从零开始建设一个同等算力的GPU集群。谷歌的太空实验则是在裂缝的尽头寻找“终极替代方案”。但Manyika的15年时间表以及NASA和航天专家的审慎评估都指向一个事实太空算力在可预见的未来无法成为地面算力的替代品只能作为特定场景的补充。结语算力的“可交付性”正在取代“可扩展性”2026年9月24日的两条新闻拼出了算力竞赛的一个新阶段。第一阶段比的是“能不能建”。谁有更多GPU、更大电力容量、更高算力密度谁就领先。第二阶段比的是“能不能交付”。当宣布的容量与实际交付的容量之间存在35%至50%的缺口时竞争的重心从“规模”转向了“可靠性”。Anthropic选择CPU推理是在算力供给的“硬约束”中寻找经济性更优的路径。谷歌把芯片送上太空是在地球物理约束的“硬边界”外寻找可能性。两条路径都在试图回答同一个问题当算力需求持续膨胀而地面供给的速度跟不上时下一步该怎么办无论答案是什么一个趋势已经清晰算力竞赛的胜负手正在从“拥有多少算力”转向“能否可靠地交付算力”。在这个意义上Anthropic和谷歌的两种“逃离”其实都是对同一个问题的回应——如何让算力真正抵达需要它的地方。
算力的两种“逃离”：当Anthropic买CPU，谷歌把芯片送上太空
一、Anthropic的“CPU逻辑”推理时代的基础设施重构Anthropic与Akamai的交易中最值得关注的不是金额而是“CPU”这个关键词。Akamai的新闻稿和Form 8-K文件都明确描述为“CPU工作负载”和“专用云计算容量”。Raymond James的分析师指出CPU在功耗和采购成本上优于GPU这将驱动更高的利润率。分析师判断Anthropic很可能将这些CPU用于AI推理而非训练Claude模型。这个判断符合AI产业正在发生的结构性变化。当模型训练集中在少数头部公司而推理需求随着Agent、智能体、企业AI应用的普及而呈指数级扩散时推理算力的经济性逻辑与训练截然不同。训练需要GPU集群进行长时间、高密度的矩阵运算。而推理尤其是企业级AI推理往往是大量并发、相对轻量的请求——查询数据库、调用API、生成报告、处理文档。这些任务的算力需求模式与CPU的架构特性更加匹配。Anthropic选择Akamai而非传统云巨头也有其逻辑。Akamai拥有全球分布的边缘节点网络能够将推理能力部署到离用户更近的地方。这降低了对集中式超大规模数据中心的依赖也避开了GPU供应链的瓶颈。但“CPU推理”的普及对系统层提出了一个被低估的要求并发请求的可靠调度。当数千个推理请求同时到达需要被分发到不同的CPU节点、访问不同的数据源、返回结果并保持会话状态——这个过程的可靠性不取决于CPU的算力而取决于连接CPU与业务逻辑的中间层。消息队列确保请求不丢失缓存层维持会话一致性应用服务器管理负载均衡。金蝶天燕的Apusic中间件云平台中的ADMQ和AMDC承担的正是这一角色。在推理算力从“集中”走向“分布式”的趋势中中间件层是确保“算力可达”的基础设施。二、谷歌的“太空实验”逃离地球的物理约束如果说Anthropic是在“逃离”对GPU的依赖谷歌则是在“逃离”地球本身。Project Suncatcher的核心假设是低地球轨道可以提供近乎连续的太阳能且不受地面电力供应、土地资源、社区反对的约束。在某些轨道上太阳能的生产效率可达地面太阳能板的8倍。但“太空数据中心”的工程挑战远比这个概念听起来更严峻。辐射是第一道门槛。太空辐射会导致“比特翻转”——芯片中的0和1被反转数据错误随之产生。谷歌的应对方案是“重启芯片”每次出错就重启一次。这个方案在四颗芯片的实验中或许可行但当扩展到数千颗芯片时重启的频率和代价将变得难以承受。散热是第二道门槛。太空是真空环境传统的气流散热完全失效。谷歌的方案是热管加散热器的组合但即便如此四颗TPU每运行约15分钟就需要停机散热。从四颗芯片扩展到足以支撑一个“数据中心”的规模散热系统的复杂度将呈指数级增长。发射成本是第三道门槛。单次Falcon 9发射成本约7400万美元。谷歌的计划是2027年发射两颗卫星长期目标是80颗以上的卫星组网。这个规模的投资需要验证在轨算力的“性价比”是否真的优于地面。谷歌研究高级副总裁James Manyika的表态很克制“我们不指望在未来几年内有什么可用的运营成果。”他将这个项目比作谷歌的无人驾驶汽车——“在真正落地之前我们测试了大概15年。”三、“搁浅资产”的阴影与算力供给的“交付曲线”两条新闻的背后还有一个共同的宏观背景AI算力基础设施的“交付风险”正在累积。牛津大学史密斯学院与Marex联合发布的白皮书指出35%至50%的计划中AI数据中心项目进度落后于预期。作者提出了一个尖锐的概念“bragawatts”吹嘘的瓦数——大量宣布的算力容量“被夸大或推迟”市场正在对“公告曲线”而非“交付曲线”定价。AFCOM的《2026年数据中心现状报告》显示数据中心平均机架密度已达27kW同比增长69%但空置率处于历史低位的同时过度建设导致“搁浅资产”的风险正在上升。算力的“供给叙事”与“供给现实”之间存在一道不断扩大的裂缝。Anthropic与Akamai的交易本质上是在这道裂缝中寻找“替代路径”——不依赖新建超大规模数据中心而是利用Akamai已有的分布式基础设施。Akamai预计需要55亿美元的资本支出和95至105兆瓦的电力容量来支撑这份合同。这个规模远小于从零开始建设一个同等算力的GPU集群。谷歌的太空实验则是在裂缝的尽头寻找“终极替代方案”。但Manyika的15年时间表以及NASA和航天专家的审慎评估都指向一个事实太空算力在可预见的未来无法成为地面算力的替代品只能作为特定场景的补充。结语算力的“可交付性”正在取代“可扩展性”2026年9月24日的两条新闻拼出了算力竞赛的一个新阶段。第一阶段比的是“能不能建”。谁有更多GPU、更大电力容量、更高算力密度谁就领先。第二阶段比的是“能不能交付”。当宣布的容量与实际交付的容量之间存在35%至50%的缺口时竞争的重心从“规模”转向了“可靠性”。Anthropic选择CPU推理是在算力供给的“硬约束”中寻找经济性更优的路径。谷歌把芯片送上太空是在地球物理约束的“硬边界”外寻找可能性。两条路径都在试图回答同一个问题当算力需求持续膨胀而地面供给的速度跟不上时下一步该怎么办无论答案是什么一个趋势已经清晰算力竞赛的胜负手正在从“拥有多少算力”转向“能否可靠地交付算力”。在这个意义上Anthropic和谷歌的两种“逃离”其实都是对同一个问题的回应——如何让算力真正抵达需要它的地方。
