前沿实验室尚未使用大部分AI算力（26分钟阅读）

# 前沿实验室尚未使用大部分AI计算能力（目前如此） 来源：https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute *《梯度更新》（https://epochai.substack.com/s/gradient-updates）分享对AI进步中重大问题的更具个人观点或非正式的看法。这些帖子仅代表作者观点，不一定代表Epoch AI整体观点。下文关于前沿开发者计算能力的估算，比我们标准的 数据工作（https://epoch.ai/data）更具试探性。* OpenAI在2022年推出ChatGPT时掀起了AI热潮。前沿大语言模型很快吸引了数亿用户和数十亿美元的收入，引发了对AI计算基础设施的大规模投资热潮，英伟达的AI相关销售额在2023年 激增超过四倍（https://ourworldindata.org/grapher/nvidia-quarterly-revenue-segment?country=~Data+centers+and+AI）。全球AI计算能力如今已 增长（https://epoch.ai/data/ai-chip-sales?view=graph&tab=h100_equivalents）至约2000万块英伟达H100的等效算力，背后是每年数千亿美元的资本支出。 然而，尽管OpenAI引发了计算热潮，但它们在AI计算使用上并未占据主导地位。我估算，截至2025年底，OpenAI用于研究、训练和推理的计算能力约占全球运营中AI计算供应量的10%到15%，而一年前这一份额更小。即使加上其他资源最丰富的前沿开发者——Anthropic、xAI，以及谷歌和Meta内部的AI实验室——其总和可能仍然不到全球总量的一半。 换句话说，有大量AI计算能力是顶级前沿实验室未使用的。Anthropic和OpenAI的收入和融资增长迅速，使其AI计算能力增长速度超过全球整体水平，这一趋势将在2026年持续。 但顶级实验室可能在几年内占据全球计算能力的更大份额。届时，顶级实验室的计算增长将更直接地与总计算产能的节奏挂钩，这可能减缓我们在模型能力和AI部署/收入方面看到的快速增长。为了让规模扩展持续下去，整体计算建设需要加速。鉴于AI资本支出已接近每年1万亿美元，计算生产的这种加速需要重大经济变革。 *更多关于各公司的详细信息见 附录（https://epochai.substack.com/i/198579194/appendix-how-much-compute-goes-to-frontier-ai-developers），以及随附的 研究文档（https://docs.google.com/document/d/1My2C0yfXIxC2sIH1I9ZaH6yMX9QU2y-pwFIz4SUnzOs/edit?tab=t.0）。* 我对于资源最丰富的五家前沿开发者各自使用的计算能力，并没有 *精确的* 估算，但我们掌握的信息足以估算它们在全球计算能力中的份额。¹（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-1） OpenAI 主动 披露（https://openai.com/index/a-business-that-scales-with-the-value-of-intelligence/）了其数据中心的电力总容量，可换算为约170万块H100等效计算能力。我们也了解xAI的 Colossus（https://epoch.ai/data/data-centers?view=graph&tab=power&dataCenters=%7EColossus+1%7EColossus+2）数据中心的大量信息。我对Anthropic的把握较小，截至2025年底其计算能力明显低于OpenAI，但可能仍超过100万块H100等效算力。谷歌DeepMind和Meta超级智能实验室的情况也不明确，因为其母公司拥有的计算能力（约占全球总量 三分之一（https://epoch.ai/data/ai-chip-owners?view=graph&tab=h100_equivalents&mode=snapshot））在前沿AI、云计算及其他内部用途之间分配。²（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-2）目前尚不清楚谷歌和Meta的前沿实验室是否使用了总计算能力的一半以上。更多关于各实验室的细节，见 附录（https://epochai.substack.com/i/198579194/appendix-how-much-compute-goes-to-frontier-ai-developers）。 但依然明显的是，大量AI计算能力并未被顶级实验室使用。以等效英伟达H100 GPU数量计算，我最好的猜测是，截至2025年底，OpenAI、Anthropic和xAI合计可能拥有不到400万块H100等效算力。 柱状图：2025年底AI计算能力按H100等效量分布，专用前沿实验室如OpenAI和Anthropic仅占一小部分，而谷歌、Meta和世界其他地区占比较大。（https://substackcdn.com/image/fetch/$s_!mDBO!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F1062f298-5f05-4551-b9e0-6b0d0b59f1b0_1026x1283.png） *我最好的猜测是，DeepMind使用了谷歌总计算量的略低于一半。Meta也从2025年底开始租赁外部云计算资源（图中未显示）。估算全球总量为1600万块H100等效算力，假设芯片销售与运营之间存在一个季度的延迟（销售量估算为2000万块）。这是一个参考情景；更长的延迟意味着更高的前沿计算份额。* 与此同时，截至2025年底，累计 *已售出* 的AI计算能力约为 2000万块H100等效算力（https://epoch.ai/data/ai-chip-sales?view=graph&tab=h100_equivalents）。但并非全部必然已投入运营——我并不确切知道有多少，但粗略估算可基于芯片销售并考虑典型安装周期（例如CoreWeave等AI云的安装时间）。³（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-3）如果交货到部署之间有一个季度的延迟，那么2025年底已部署的计算能力将相当于2025年第三季度的已销售量，约为1600万块H100等效算力。如果延迟两个季度，已部署量则降至约1200万块H100等效算力。 在这些不同的部署假设下，Anthropic、OpenAI和xAI的H100等效算力总和在2025年底将占全球总量的20%到30%。如果再加上超大规模云服务商为运行OpenAI和Anthropic模型的自有API所使用的推理计算能力，这一比例可能再增加约5%。 与此同时，我们 估算（https://epoch.ai/data/ai-chip-owners?view=graph&tab=h100_equivalents&mode=snapshot）谷歌和Meta合计拥有全球AI计算总量的约三分之一。但分配给谷歌DeepMind和Meta超级智能实验室的计算量远低于此，因为谷歌的外部云业务以及非前沿用途（如推荐系统）对计算需求巨大。初步猜测，每个实验室可能使用了其母公司计算能力的大约一半，合计约占全球计算量的15%。 这意味着，世界上资源最丰富的五家AI开发者 *在去年年底可能只拥有不到全球AI计算能力的一半*。 换句话说，像OpenAI这样的前沿AI实验室可能引发了AI计算建设热潮，但它们并非唯一的原因。我不会对剩余部分进行全面分解，但可能的候选包括二线和三线的大语言模型参与者，以及开放权重LLM的推理服务。AI/机器学习模型在非语言领域也消耗计算能力：前沿LLM背后的创新，如Transformer架构，已在 音频（https://techcrunch.com/2026/01/13/elevenlabs-ceo-says-the-voice-ai-startup-crossed-330-million-arr-last-year/）/视觉生成、生物学（https://www.reuters.com/legal/litigation/google-backed-isomorphic-raises-21-billion-scale-ai-driven-drug-discovery-2026-05-12/）、机器人（https://www.pi.website/blog/pi07）以及推荐系统等领域实现了更好的模型。 尽管如今世界上大部分AI计算能力并未被顶级实验室使用，但未来几年这种情况可能发生显著变化。尤其我认为，Anthropic和OpenAI是值得关注的关键角色。 至少在整个2025年，OpenAI和Anthropic的计算能力增长速度超过了整个行业。⁴（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-4）OpenAI在2024年和2025年都将数据中心电力容量增加了三倍；考虑到硬件效率的提升，其计算能力每年增长约4倍。⁵（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-5）Anthropic的增长可能更快，因为在 收入（https://epoch.ai/data/ai-companies?view=graph&tab=revenue）和融资方面它们正在追赶OpenAI。与此同时，我们 估算（https://epoch.ai/data/ai-chip-sales?view=graph&tab=h100_equivalents&timePeriod=annual&cumulative=false）2025年全球AI计算存量（按H100等效量计）增加了两倍，而2025年新增装机计算量较2024年增长了2.7倍。 折线图：2023年至2025年H100等效芯片的预测增长，将全球总量与OpenAI的份额在对数尺度上进行比较。（https://substackcdn.com/image/fetch/$s_!Bd6V!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F46dae1f0-29d6-478c-a8b0-a26b8b9ddbd6_1026x1283.png） 诚然，这还不足以得出前沿计算增长与整体AI计算增长的稳定趋势线。⁶（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-6）但看起来，OpenAI和Anthropic目前的计算增长速度确实快于整个行业。 这种趋势很可能持续。OpenAI内部 预测（https://www.bloomberg.com/news/articles/2026-04-09/openai-tells-investors-it-has-computing-advantage-over-anthropic）其数据中心容量到2027年将达到“低两位数”吉瓦，而2025年为1.9吉瓦。如果这意味着（例如）到2027年底达到12吉瓦，那么年增长率将为2.5倍，较2023–2025年的3倍增长有所放缓，但依然非常快。OpenAI总裁Greg Brockman也 作证（https://www.bloomberg.com/news/articles/2026-05-05/openai-to-spend-50-billion-on-computing-in-2026-brockman-says）公司将在2026年花费500亿美元用于计算，是2025年的三倍。最后，一些 第三方（https://x.com/ShanuMathew93/status/2043710898859089994?s=20）预测，Anthropic和OpenAI到今年年底各自将拥有5–6吉瓦的容量，即电力增长约2.5–3倍。由于AI芯片在价格和 能源效率（https://epoch.ai/data-insights/ml-hardware-energy-efficiency）上快速提升，这意味着H100等效计算能力将再增长约4倍。 整个行业可能无法匹配这种增长：超大规模云服务商的 资本支出（https://epoch.ai/data-insights/hyperscaler-capex-trend）以相对稳定的每年70%速度增长，并且 指引（https://www.cnbc.com/2026/02/06/google-microsoft-meta-amazon-ai-cash.html）2026年将保持类似增长，这意味着全球计算增长将与2025年约3倍的增长相似。⁷（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-7） 行业趋势也指向顶级实验室，尤其是Anthropic和OpenAI，正在整合市场。对前沿LLM的需求今年 爆炸性增长（https://epoch.ai/data/ai-companies?view=graph&tab=revenue），尤其是编码和智能体任务。Anthropic 以惊人的速度 增长（https://www.anthropic.com/news/google-broadcom-partnership-compute），其年化收入运行率在2026年第一季度从90亿美元增至300亿美元！这比去年（https://epoch.ai/data-insights/anthropic-openai-revenue）已经极端的10倍增长率还要 加速。⁸（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-8）OpenAI近期的收入数据较少，但定性来看，其编码模型和产品（如GPT-5.5）也受到了好评。收入的快速增长以及随之而来的 融资（https://www.nytimes.com/2026/05/12/technology/anthropic-funding-950-billion-valuation.html）增加，使Anthropic和OpenAI有能力获得全球计算能力的更大份额。 事实上，Anthropic和OpenAI正积极行动以获得更多计算能力。仅4月份，Anthropic就与 Amazon（https://www.anthropic.com/news/anthropic-amazon-compute）（目标2026年上线1吉瓦Trainium）、 Google（https://www.anthropic.com/news/google-broadcom-partnership-compute）签署了多吉瓦的扩展协议，并增加了 CoreWeave（https://www.coreweave.com/news/coreweave-announces-multi-year-agreement-with-anthropic）作为计算合作伙伴。⁹（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-9）在一个引人入胜的情节转折中，Anthropic已同意 租赁（https://x.com/nottombrown/status/2057194829986300375?s=20）xAI整个约30万块H100等效算力的Colossus 1数据中心以及Colossus 2的部分，每年为此支付高达 150亿美元（https://www.axios.com/2026/05/20/anthropic-spacex-compute）。¹⁰（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-10）OpenAI也扩展了其云合作伙伴名单，今年2月与 Amazon（https://openai.com/index/amazon-partnership/）签约，去年与 Google（https://www.reuters.com/business/retail-consumer/openai-taps-google-unprecedented-cloud-deal-despite-ai-rivalry-sources-say-2025-06-10/）签约。因此，这两个实验室很可能是导致今年行业出现的 计算供应紧张（http://theinformation.com/articles/microsoft-cloud-providers-tighten-grip-gpus-pressuring-ai-customers）以及GPU小时价格上涨约 30%（https://newsletter.semianalysis.com/p/the-great-gpu-shortage-rental-capacity）的主要原因。 Anthropic和OpenAI并非推动LLM增长的 *唯一* 参与者。对开放权重模型（如DeepSeek，质量相去不远）的需求也可能激增。DeepMind目前在智能体编码方面落后于前两名，但当然并未出局，而Meta则在大举投入以追赶前沿AI。但如果智能体热潮导致大语言模型在整体AI行业中的份额增长，这将提升两家LLM领导者的计算份额。而且Anthropic当前的收入轨迹极为极端，似乎很可能导致计算整合。 2023年时，OpenAI或整个前沿LLM最终是否会主导整个AI行业并不明显。三年后，现在看来，那些引发AI计算建设热潮的参与者将最终引领这一进程。 Anthropic和OpenAI在2025年底可能占全球运营中AI计算能力的15–20%。尽管它们份额的增长空间看起来很大，但如果前沿实验室的增长速度大幅超过行业整体水平，这些空间可能在短短几年内被消耗殆尽。¹¹（https://epochai.substack.com/p/frontier-labs-dont-use-most-ai-compute#footnote-11） 作为一个简单的说明：假设前两大玩家目前合计占有20%的份额，并且其AI计算能力每年比全球整体快33%增长（例如，它们每年将计算能力翻两番，就像OpenAI在2025年之前所做的那样，而全球装机量则“仅”每年增长三倍）。在这种情况下，它们将在2.5年内使全球计算份额翻倍，并在五年内达到约80%。如果计算能力在四到五家前沿开发者之间分配更均匀，而不只是Anthropic和OpenAI，那么增长空间将更快耗尽。 因此，AI近期未来的一个关键问题是，Anthropic和OpenAI能否维持其近期计算能力的增长速度，并在此过程中拉动整体AI计算生产，还是因为云和半导体行业无法跟上而导致其计算增长放缓。 在此，我想强调，AI芯片和数据中心的总资本支出已经 *非常* 巨大。整个AI ca