Anthropic 与 OpenAI 算力采购转向 20–30MW 小型部署，Sona 报告绘出 3.6 万亿美元循环融资网

0. 近日脉络

近一周主线沿三条推进：安全叙事从表态进入机制化确认，模型层退出通道呈现”Anthropic 冲刺、OpenAI 推迟”的分野；算力侧约束从芯片延伸到电力、土地与信用结构，标普已把近乎循环融资的现象列入超大规模厂商信用评级的”已知未知”风险；Anthropic 则首次把内部 AI 研发自动化进度量化公开。今日增量落在两处：算力采购的粒度明显下移，以及 AI 生态的财务纠缠被系统性绘图。（综述，不加 [N]）

1. 今日主线

主线一：Anthropic 与 OpenAI 的算力采购从吉瓦级大单转向 20–30MW 小型部署

据 CNBC 引述四名知情人士，Anthropic 与 OpenAI 过去一年签下的 AI 数据中心交易均为数百兆瓦乃至吉瓦级设施，如今两家公司同时把部分需求转向 20 至 30 兆瓦规模的部署——Anthropic 已在英国和北欧就该规模协议进行试探性接触，OpenAI 一直在北欧探索同类机会，一名消息人士并称了解两家公司在美国就同等规模部署的洽谈 ^[1][2][3]。财联社的版本指出，这些交易规模远小于此前签署的数百兆瓦至吉瓦级协议 ^[1]；Anthropic 对 CNBC 的问询未予置评 ^[3]。

驱动因素被明确指向两侧。需求侧，据财联社引述房地产公司 JLL 报告，用于 AI 推理的数据中心容量占比预计将在 2027 年超过训练，到 2030 年推理占用 37% 的容量、训练占比降至 13% ^[1][3]；Structure Research 研究主管 Jabez Tan 解释，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在多个较小集群上分别处理请求，因而可选地点更多 ^[1][2][3]，他并称”在已有供电的站点获取数兆瓦算力，比在一处等待更大块容量更实际” ^[3]。供给侧，大型项目正遭遇更长周期与地方阻力——据财联社与 CNBC，美国及其他地区的大型数据中心项目日益面临当地社区反对，而欧洲许多地区可用土地与电力资源紧张 ^[1][2][3]。OpenAI 发言人对 CNBC 表示，公司”正在构建多元化的算力组合，以满足全球不断增长的 AI 需求”，不同工作负载需要不同基础设施 ^[1][2][3]。

作为对照，两家公司既有的大规模承诺仍在推进：据 CNBC 与财联社，Anthropic 与 Nscale 达成约 450 亿美元云计算协议、租用其西弗吉尼亚州数据中心约 460MW 算力 ^[1][2][3]；OpenAI 称 4 月已超过 Stargate 项目原定 10GW 承诺，此后又承诺在佐治亚州开发 3GW、在俄亥俄州开发 8GW ^[1][2][3]。

产业含义： 这是当日最可操作的一条产业信号——算力采购的优化目标从”单位成本”切换到”可用容量的速度”。Tan 给出的关键判断是，对可跨站点运行的工作负载，多个小型部署可以累积成可观容量 ^[3]，这意味着推理负载的分布式特征正在改变数据中心的选址逻辑与项目结构。对供给端而言，具备已通电现址、能快速交付数兆瓦容量的小型开发商获得新的议价空间；对需求端而言，“何时能用”而非”总量多少”成为算力组合设计的核心变量。

主线二：Sona 报告把 AI 生态画成一张 3.6 万亿美元、202 个实体的关联网，约七成交易带”高循环性”标记

据 Financial Times 旗下 FT Alphaville 报道，以伦敦大型信用对冲基金闻名的 Sona Asset Management 的分析师 Craig Nicol、Oleg Melentyev 与 Charlie Callan 发布报告，绘制 AI 生态并梳理主要参与者之间的财务关联：数据覆盖截至 2026 年 8 月的三年半内、176 笔交易、总额 3.6 万亿美元、涉及 202 个实体 ^[4]。报告的核心结论是，该网络”越来越体现出封闭循环系统的特征”，作者明确指出这项工作的重点在于审视单点故障可能如何影响整个 AI 生态 ^[4]。

循环性的量化口径是：在上述 176 笔交易中，约 120 笔带有分析师所称的”高循环性”标记，即节点之间由多重关系相连、资本往往循环流动 ^[4]。报告给出的典型链条包括——亚马逊投资 OpenAI（约 500 亿美元）、同时从 OpenAI 获得约 1000 亿美元算力承诺；微软对 OpenAI 约 1350 亿美元的所有权资本重组，与 OpenAI 反向对微软 Azure 约 2500 亿美元的采购承诺并存；英伟达有条件承诺 2025 年向 OpenAI 投资最多约 1000 亿美元、2026 年再指示约 300 亿美元，而 OpenAI 反向向 Oracle、微软和亚马逊承诺数百亿美元云与算力采购，这些公司又是英伟达芯片的最大买家之一 ^[4]。

报告同时点出信用侧的集中度：Sona 利用彭博供应商数据发现，一些公司的收入几乎”生存性地”依赖一两个玩家的资本开支决策；在叠加杠杆（总债务/EBITDA）后，Oracle 和 CoreWeave 的杠杆水平最高 ^[4]。据 FT Alphaville，仅两周前，看似循环融资的情况已被列入标普全球评级对超大规模云厂商信用评级的”已知未知”风险 ^[4]。文章并指出，OpenAI 和 Anthropic 都处于该生态中心、各自积累了巨额承诺，虽未必是薄弱环节，但缺乏正向（未调整）盈利，可能值得更多关注 ^[4]。

产业含义： 这条信息与主线一互补：算力采购粒度下移解决的是”落地速度”问题，而 Sona 报告揭示的是”资金闭环”问题——当同一批参与者互为投资方、供应商与客户时，单一环节的信用状况无法被孤立评估 ^[4]。对投资者而言，这意味着 AI 基建的尽职调查框架需要从”看单个项目的租约与担保”扩展到”看它在 3.6 万亿美元网络中的位置与依赖度”。

2. 大厂与实验室动向

Anthropic：在 9 月 17 日披露基础上给出更细的自动化与安全监控口径。 据第一财经报道，Anthropic 披露中采用独立 AI 研究机构 Epoch AI 的六级自动化框架（AL0 至 AL5），截至 2026 年 8 月，26% 的 AI 研发工作达到 AL4（AI 主导，人类只给出高层目标并负责监督、检查与最终决策），超过 90% 的研发工作至少达到 AL3（AI 协作），但没有任何被测量的 AI 研发工作达到 AL5 完全自主水平 ^[5]。规模数据上，公司内部 Agent 平台任意时刻约有 3 万个 AI Agent 运行、8 月产生超 10 亿次决策，其中约 0.002% 在动作执行前的在线监控中被阻止；离线监控每周标记约 10 万条对话记录，最高优先级的约 50 条升级人工审查 ^[5]。算力分配上，7 月样本周内约 6% 的 AI 研发算力投入安全研究，若仅统计 AI 驱动的研发，该比例升至约 12% ^[5]。公司亦承认 AI 协作与 AI 主导的边界存在主观性，跨实验室比较需要统一方法和第三方验证 ^[5]。同源报道的判断是，此类透明化会对 OpenAI 等竞品形成数据披露压力（预期）^[5]。

OpenAI：自动化 AI 研究目标与薄弱环节同期公开。 据第一财经，OpenAI 于 9 月初宣布达成自动化 AI 研究实习生里程碑，目标在 2028 年 3 月前实现自动化 AI 研究员；其最薄弱环节仍是”决定做什么”，任务超过 4 小时即需人类频繁介入 ^[5]。算力侧，公司发言人称正构建多元化算力组合以满足全球需求，不对具体商业讨论置评 ^[1][2][3]。

智谱：GLM-5.3-Flash 两周内完成国产加速器全量部署。 据第一财经引述智谱创始人唐杰的披露，该模型的国产加速器全量部署大部分工作由 GLM-5.3 驱动的 Infra Agent 完成；唐杰判断虽然距离完全 RSI（递归自我改进）尚远，但”模型优化系统、系统服务模型”的循环已经开始运转（预期）^[5]。

谷歌 DeepMind：算法进化成果回流硬件。 据第一财经，DeepMind 的进化式编码智能体 AlphaEvolve 从算法进化切入，其提出的电路方案已被集成进下一代 TPU；Google 前任首席科学家杰夫·迪恩（Jeff Dean）评价这是”TPU 大脑帮助设计下一代 TPU 身体的最新案例” ^[5]。

安全事件：研究人员用 Claude 入侵 OpenAI。 据 WSJ，有研究人员利用 Anthropic 的 Claude 对 OpenAI 实施入侵 ^[6]。

3. 融资 · 并购 · 估值 · IPO

Crusoe 完成 39 亿美元融资，投后估值 309 亿美元。 据 CNBC 与财联社，这家受益于 AI 建设热潮的新型云服务商（neocloud）于周四（9 月 17 日）宣布该轮融资，投后估值达 309 亿美元 ^[1][2][3]。华尔街见闻补充，Crusoe 曾为 OpenAI 在得克萨斯州建设大型数据中心园区，如今正加大对小型数据中心的投入——据《华尔街日报》周四报道，此类设施建设更快、成本更低，可降低大型项目延误的影响，Crusoe 未对小型数据中心投入一事置评 ^[2][3]。

一级市场：头部机构募资集中度与估值积压。 据华尔街见闻，今年上半年 Andreessen Horowitz、Founders Fund 和 Thrive Capital 三家机构合计募资约 250 亿美元，占同期美国 VC 全部新增资金的近三分之一 ^[7]；据 PitchBook 数据，以最新融资估值计算，全球未上市独角兽公司总估值已高达 5.3 万亿美元 ^[7]。据佛罗里达大学 Warrington 商学院荣誉教授 Jay Ritter 整理的数据，1980 年至 2025 年间共有 3365 家科技公司完成 IPO，其上市首日合计市值为 4.1 万亿美元——而 Anthropic（预计近期上市估值 2 万亿美元）、OpenAI（考虑以 1.2 万亿美元估值私募融资并计划明年谋求上市）与 SpaceX（今年 6 月 IPO 首日估值 2 万亿美元）三家合计估值便将轻松突破 5 万亿美元，超越这 45 年科技 IPO 首日市值总和 ^[7]。Ritter 并指出，VC 基金对所持资产的估值方式不够透明：表现下滑的投资可维持历史账面价值、表现优异者按市值计价，由此造成整体回报的系统性高估 ^[7]。

背景参照（早前已披露事项）。 据最话 FunTalk 回顾，DeepSeek 于三个月前完成成立以来首轮外部融资、总额超过 500 亿元人民币，该笔融资使 2026 年上半年中国 AI 行业融资额超过 2025 年全年 ^[8]；据 Sona 报告，Citadel 参与了面向新型云厂商 Nscale 的 20 亿美元 C 轮股权融资 ^[4]。

IPO 观点。 据 WSJ 评论文章主张，AI 行业面临的挑战若在公众股东的约束下可能得到更好的管理，即暗指 AI 公司应推进 IPO ^[9]。

5. 算力 · 基建

推理负载的容量占比给出结构性斜率。 据财联社与 CNBC 引述 JLL 报告，2025 年推理任务占全球数据中心工作负载的 9%、训练任务占 14%；预计 2027 年推理工作负载的容量占比将超过训练，到 2030 年推理升至 37%、训练降至仅 13% ^[1][2][3]。Structure Research 的预测口径相近：到 2027 年推理工作负载在全球数据中心总容量中的占比将超过训练，2030 年升至 37% ^[2]。

面向分布式推理的小型数据中心成为一条独立技术—商业路线。 据 CNBC 与财联社，今年 2 月已宣布英伟达将与多家数据中心利益相关者合作，研究专门用于分布式推理的小规模数据中心 ^[1][2][3]。

大型项目侧的阻力被两源同时确认。 美国及其他地区的大型数据中心项目日益面临当地社区的反对，欧洲大部分地区则因可用土地与电力供应短缺而承压 ^[1][2][3]。

既有超大规模承诺作为对照。 除主线一所述 Anthropic 与 Nscale 约 450 亿美元/约 460MW 协议、以及 OpenAI 的 Stargate 10GW + 佐治亚 3GW + 俄亥俄 8GW 之外 ^[1][2][3]，Sona 报告的链条数据亦显示 OpenAI 向 Oracle、微软和 Amazon 承诺数百亿美元用于云与算力采购 ^[4]。

7. 投资视角

当日两条主线分别指向算力链的”时间维度”与信用链的”系统维度”，这两者尚未被市场充分定价为同一件事。

主线方向

1. 算力链：优化目标从”单位成本”切换到”可用容量速度”。 20–30MW 转向背后的逻辑是，大型项目周期长、社区与土地电力阻力上升，而推理负载本身可拆分至多个较小集群 ^[1][2][3]；JLL 给出的容量结构变化（2025 年推理 9%/训练 14% → 2030 年推理 37%/训练 13%）说明这不是权宜之计，而是负载形态的长期迁移 ^[1][3]。方向性含义是：具备已通电现址、可快速交付数兆瓦容量的小型数据中心开发商与分布式推理方案提供方获得新的结构性需求；而把全部估值建立在”吉瓦级订单能见度”上的大型项目叙事，会同时承受排期延迟与社区阻力的折价。需要提醒的是，小型部署能累积成可观容量 ^[3]，意味着”总容量”这一指标的解释力在下降，未来更应跟踪”通电并已承载负载的 MW”。
2. 信用链：AI 生态的定价单位正在从”公司”变成”系统”。 Sona 报告的核心贡献是规模与结构：3.6 万亿美元、202 个实体、176 笔交易、约 120 笔带高循环性标记 ^[4]。当亚马逊既是 OpenAI 的投资方又是其算力采购对手方、微软的资本重组与 OpenAI 的反向采购并存、英伟达的投资与 OpenAI 向三大云的采购构成闭环时 ^[4]，单看任一环节的资产负债表都会低估或高估真实风险。叠加标普两周前把类似循环融资列入”已知未知”、以及 Oracle 与 CoreWeave 在总债务/EBITDA 口径下杠杆最高 ^[4]，可以读出的判断是：**AI 基建的信用风险溢价会优先体现在高杠杆、且收入依赖单一或双客户资本开支决策的主体上，而非头部云厂商本体。**这与前期”风险集中在附属环节”的口径一脉相承。
3. 模型层：估值量级与盈利缺失之间的落差被进一步放大。 三家公司合计估值突破 5 万亿美元、超越 1980–2025 年 3365 家科技公司 IPO 首日合计的 4.1 万亿美元 ^[7]，而 FT Alphaville 明确指出 OpenAI 与 Anthropic 虽处于生态中心、却缺乏正向（未调整）盈利 ^[4]。**模型层的估值锚因此继续从”能力领先”向”能否把年化收入转成 GAAP 盈利并解释算力成本”迁移。**值得注意的是融资结构的集中化：三家头部机构上半年募资约 250 亿美元、占美国 VC 新增资金近三分之一 ^[7]——当资金向少数机构与少数标的集中时，一级市场对模型层估值的”集体背书”本身也构成系统性的循环特征。
4. 应用层：今日无新增信号，维持前期判断。

估值与情绪

泡沫讨论在当日素材中占比明显上升，且呈现”卖方一线与买方巨头同向”的罕见组合。据最话 FunTalk 梳理，纪源资本投资人姜浩楠确认”现在有的团队第一轮的估值就很高，能达到两三年前的三倍到五倍”，并提示海外 Anthropic、OpenAI 与国内头部大模型公司相继上市会吸走大量资金 ^[8]；该文并引述 Jeremy Grantham 断言”我们正在直面一场 AI 泡沫，并因此可能导致经济崩溃”、桥水基金创始人瑞·达利欧”已看到典型的泡沫特征”、以及硅谷作者 Srinivas Rao《99% 的 AI 初创公司将在 2026 年消亡》的判断 ^[8]。同一场合亦有相对理性的对照：BAI 资本冯甜称以 Anthropic 1000 亿美元 ARR 计算、对应十几二十倍 PS”其实相对合理” ^[8]；投资机构从”选赛道”转为”抢位置” ^[8]。

与此同时，WSJ 评论提供了一个反向的机制性视角——主张 AI 公司尽快 IPO，理由是在公众股东的约束下，行业面临的挑战可能得到更好的管理 ^[9]。把它与 Sona 报告的循环融资发现 ^[4] 并置，可以读出当日最有张力的一组判断：公开市场的披露与约束，可能是拆解当前封闭循环结构成本最低的方式；而一级市场的估值积压（PitchBook：未上市独角兽总估值 5.3 万亿美元 ^[7]）正是这套结构得以延续的资金来源。

受益与承压

• 受益方向：具备已通电现址、能快速交付数兆瓦容量的小型数据中心开发与运营方 ^[1][2][3]；面向分布式推理的基础设施与方案提供方 ^[1][3]；IREN/新型云厂商中已完成大额股权融资、资本结构相对清晰的主体（Crusoe 39 亿美元、投后 309 亿美元 ^[1][2][3]）；推理负载占比上升所带动的网络、散热与分布式部署环节 ^[1][8]；能同时发布自动化产出与安全监控覆盖率的实验室（Anthropic 披露的 0.002% 拦截率、每周 10 万条记录筛查、约 12% AI 研发算力投安全）^[5]；把 AI 能力用于自身基础设施建设的模型公司（智谱 GLM-5.3-Flash 的 Infra Agent 部署、DeepMind AlphaEvolve 电路方案进入下一代 TPU）^[5]。
• 承压方向：把估值建立在吉瓦级订单能见度、却无法说明通电与负载时点的大型算力项目 ^[1][2][3]；在总债务/EBITDA 口径下杠杆最高、且收入依赖一两个客户资本开支决策的主体（Sona 报告点名 Oracle 与 CoreWeave 杠杆最高，并称部分公司收入”生存性地”依赖一两个玩家）^[4]；缺乏正向（未调整）盈利、却处于生态中心并承担巨额承诺的模型公司 ^[4]；以历史账面价值维持下滑资产估值的 VC 组合（Jay Ritter 指出的系统性高估）^[7]；一级市场首轮估值达两三年前三到五倍、却尚未验证产品与市场契合度的 AI 创业项目 ^[8]；过度依赖单一地点大规模容量的算力规划 ^[1][3]。
• 需跟踪：Anthropic 与 OpenAI 在英美北欧的 20–30MW 谈判能否落成首批签约、以及单位造价与交付周期 ^[1][2][3]；JLL 与 Structure Research 关于 2027 年推理容量占比超过训练的预测能否被实际租赁数据验证 ^[1][2][3]；Crusoe 小型数据中心投入的规模与客户结构 ^[1][2][3]；Sona 报告的循环融资口径是否被评级机构或监管方进一步标准化 ^[4]；Anthropic、OpenAI 的上市时点与实际披露口径 ^[9][7]；AI 一级市场资金集中度与独角兽估值积压（5.3 万亿美元）的消化路径 ^[7]；Anthropic 自动化分级方法是否被同业采纳、以及”披露竞赛”是否形成 ^[5]。

附：补充信源

^[6] WSJ — 商界领袖艰难推进 AI 落地实施之际，Pew Research Center 新报告揭示普通民众对 AI 的看法；研究人员利用 Anthropic 的 Claude 入侵 OpenAI

---

本报告为 AI 产业资讯的二次综合与机制分析，不构成投资建议；数据以原始报道为准。