據 CNBC 援引多名知情人士報道，Anthropic 與 OpenAI 正在尋找規模更小的 AI 資料中心交易，以加快算力部署速度。這兩家 AI 實驗室過去一年已簽下多筆數百兆瓦乃至吉瓦級的大型資料中心協議，但訊息人士稱，它們如今也在尋求 20-30 兆瓦級別的小型算力容量交易。
四名瞭解相關洽談的人士透露，Anthropic 已在英國和北歐就這一區間的協議展開接觸；兩名訊息人士稱，OpenAI 也在北歐探索類似規模的機會。另有一名訊息人士表示，其還了解到兩家公司就美國境內同規模算力部署進行過討論。Anthropic 未回應 CNBC 的置評請求。
OpenAI 發言人對 CNBC 表示，公司正在構建多元化的算力組合，以滿足全球對 AI 日益增長的需求；不同工作負載需要不同的基礎設施，因此公司與一系列合作伙伴保持溝通，並依據需求、效能、可靠性、時間安排和成本來評估機會，但不會就具體商業洽談置評。
兩家實驗室通常從資料中心運營商和 neocloud 租用算力，並傾向於大規模、長期協議。例如，Anthropic 與 Nscale 簽署了約 450 億美元的雲協議，將在西弗吉尼亞州一處資料中心開發專案中租用約 460 兆瓦算力。OpenAI 則稱其 Stargate 專案在 4 月已超過最初 10 吉瓦的承諾，此後又承諾在佐治亞州開發 3 吉瓦、在俄亥俄州開發 8 吉瓦。
轉向小型交易的一個現實背景是，美國及海外的大型資料中心專案正越來越多地遭遇當地社群反對；在歐洲大部分地區，該行業還面臨可用土地和電力短缺的壓力。Structure Research 研究主管 Jabez Tan 對 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——在已通電的現址拿到幾兆瓦，可能比在一個地點等待一大塊容量更實際；對於可跨多個站點執行的工作負載，若干小型部署累加起來也能形成可觀容量。
這一轉變與 AI 算力用途的結構性變化有關。訓練 AI 模型需要大量算力處理海量資料，但日常執行這些系統（即推理）可以用更小的晶片叢集完成。Tan 指出，訓練大模型通常需要大量晶片緊密協同，而許多推理工作負載可以在多個較小叢集上分別處理請求，從而開啟更多可選地點。隨著更多 AI 算力從訓練模型轉向生產環境中的模型服務，用於推理的容量預計將上升。
房地產公司 JLL 的一份報告顯示，用於推理工作負載的資料中心容量佔比預計將在 2027 年超過訓練；2025 年推理佔全球資料中心工作負載的 9%，訓練佔 14%；到 2030 年，推理預計將佔該容量的 37%，訓練僅佔 13%。
產業鏈上已出現呼應動作。今年 2 月有訊息稱，輝達將與多家資料中心相關方合作，研究面向分散式推理的小型資料中心設計。據《華爾街日報》週四報道，在得克薩斯州建有大型資料中心園區、供 OpenAI 使用的美國公司 Crusoe 正投資於更小型的資料中心，這類設施將比大型專案更快、更便宜，而後者在美國多地正面臨延期。Crusoe 未回應置評請求。Crusoe 是 AI 建設熱潮中業務激增的 neocloud 之一，該公司週四宣佈完成 39 億美元融資，投後估值達 309 億美元。