据 CNBC 援引多名知情人士报道，Anthropic 与 OpenAI 正在寻找规模更小的 AI 数据中心交易，以加快算力部署速度。这两家 AI 实验室过去一年已签下多笔数百兆瓦乃至吉瓦级的大型数据中心协议，但消息人士称，它们如今也在寻求 20-30 兆瓦级别的小型算力容量交易。
四名了解相关洽谈的人士透露，Anthropic 已在英国和北欧就这一区间的协议展开接触；两名消息人士称，OpenAI 也在北欧探索类似规模的机会。另有一名消息人士表示，其还了解到两家公司就美国境内同规模算力部署进行过讨论。Anthropic 未回应 CNBC 的置评请求。
OpenAI 发言人对 CNBC 表示，公司正在构建多元化的算力组合，以满足全球对 AI 日益增长的需求；不同工作负载需要不同的基础设施，因此公司与一系列合作伙伴保持沟通，并依据需求、性能、可靠性、时间安排和成本来评估机会，但不会就具体商业洽谈置评。
两家实验室通常从数据中心运营商和 neocloud 租用算力，并倾向于大规模、长期协议。例如，Anthropic 与 Nscale 签署了约 450 亿美元的云协议，将在西弗吉尼亚州一处数据中心开发项目中租用约 460 兆瓦算力。OpenAI 则称其 Stargate 项目在 4 月已超过最初 10 吉瓦的承诺，此后又承诺在佐治亚州开发 3 吉瓦、在俄亥俄州开发 8 吉瓦。
转向小型交易的一个现实背景是，美国及海外的大型数据中心项目正越来越多地遭遇当地社区反对；在欧洲大部分地区，该行业还面临可用土地和电力短缺的压力。Structure Research 研究主管 Jabez Tan 对 CNBC 表示，小型容量交易往往因能更快形成可用算力而具有吸引力——在已通电的现址拿到几兆瓦，可能比在一个地点等待一大块容量更实际；对于可跨多个站点运行的工作负载，若干小型部署累加起来也能形成可观容量。
这一转变与 AI 算力用途的结构性变化有关。训练 AI 模型需要大量算力处理海量数据，但日常运行这些系统（即推理）可以用更小的芯片集群完成。Tan 指出，训练大模型通常需要大量芯片紧密协同，而许多推理工作负载可以在多个较小集群上分别处理请求，从而打开更多可选地点。随着更多 AI 算力从训练模型转向生产环境中的模型服务，用于推理的容量预计将上升。
房地产公司 JLL 的一份报告显示，用于推理工作负载的数据中心容量占比预计将在 2027 年超过训练；2025 年推理占全球数据中心工作负载的 9%，训练占 14%；到 2030 年，推理预计将占该容量的 37%，训练仅占 13%。
产业链上已出现呼应动作。今年 2 月有消息称，英伟达将与多家数据中心相关方合作，研究面向分布式推理的小型数据中心设计。据《华尔街日报》周四报道，在得克萨斯州建有大型数据中心园区、供 OpenAI 使用的美国公司 Crusoe 正投资于更小型的数据中心，这类设施将比大型项目更快、更便宜，而后者在美国多地正面临延期。Crusoe 未回应置评请求。Crusoe 是 AI 建设热潮中业务激增的 neocloud 之一，该公司周四宣布完成 39 亿美元融资，投后估值达 309 亿美元。