خطة أنثروبيك لمراكز بيانات بقيمة 50 مليار دولار: مختبر الذكاء الاصطناعي يتحول إلى بانٍ للبنية التحتية
10 ديسمبر 2025 بقلم بليك كروسلي
وقّعت أنثروبيك شراكة لمراكز بيانات بقيمة 50 مليار دولار مع مزود السحابة الجديد البريطاني Fluidstack في 12 نوفمبر 2025، ملتزمةً ببناء منشآت في تكساس ونيويورك ستدخل الخدمة خلال عام 2026.[^1] يوفر المشروع حوالي 800 وظيفة دائمة و2,400 وظيفة في قطاع البناء، مما يمثل أول جهد كبير لأنثروبيك لبناء بنية تحتية مخصصة بدلاً من الاعتماد على مزودي الخدمات السحابية.[^2]
يمثل هذا الإعلان جزءاً من استراتيجية بنية تحتية متعددة السحابات غير مسبوقة. تحتفظ أنثروبيك في الوقت ذاته بإمكانية الوصول إلى مشروع AWS Rainier (500,000 شريحة Trainium2 قابلة للتوسع إلى مليون)، ووحدات TPU من Google Cloud (حتى مليون شريحة)، والتزام جديد مع Microsoft Azure بقيمة 30 مليار دولار مع استثمارات بقيمة 15 مليار دولار من NVIDIA وMicrosoft.[^3][^4][^5]
محفظة البنية التحتية لأنثروبيك:
| الشراكة | الالتزام | السعة | الحالة |
|---|---|---|---|
| Fluidstack | 50 مليار دولار | مراكز بيانات في تكساس + نيويورك | تشغيل 2026 |
| Microsoft Azure | 30 مليار دولار + استثمار 15 مليار دولار | Grace Blackwell، Vera Rubin | نشط |
| AWS Project Rainier | وصول للبنية التحتية | 500 ألف → مليون شريحة Trainium2 | نشط |
| Google Cloud | متعدد السنوات | حتى مليون شريحة TPU، أكثر من 1 جيجاوات | نشط |
| الإجمالي | أكثر من 95 مليار دولار التزامات | متعدد الجيجاوات | 2025-2026 |
يتناقض هذا النهج متعدد السحابات بشكل حاد مع مشروع Stargate الخاص بـ OpenAI - مشروع مشترك بقيمة 500 مليار دولار مع SoftBank وOracle وMGX يستهدف 10 جيجاوات بحلول 2029.[^6] استراتيجية أنثروبيك الموزعة تحوّط الوصول إلى الحوسبة عبر معماريات (NVIDIA، Trainium، TPU) ومزودين مختلفين.
المبررات الاستراتيجية
يعالج استثمار أنثروبيك في البنية التحتية القيود الحرجة التي تواجه مختبرات الذكاء الاصطناعي المتقدمة مع توسع النماذج نحو الذكاء الاصطناعي العام.
التحوط متعدد المعماريات
يتطلب تدريب النماذج المتقدمة الآن مجموعات من عشرات الآلاف من المعالجات المسرّعة تعمل بتناغم.[^7] بدلاً من المراهنة على معمارية واحدة، ضمنت أنثروبيك الوصول عبر ثلاث منصات متنافسة:
مقارنة المعالجات المسرّعة:
| المعمارية | المزود | نقاط القوة | وصول أنثروبيك |
|---|---|---|---|
| NVIDIA Grace Blackwell | Microsoft Azure | أعلى أداء تدريب، النظام البيئي | التزام 30 مليار دولار |
| AWS Trainium2 | Amazon | كفاءة التكلفة، رقائق مخصصة | 500 ألف → مليون شريحة |
| Google TPU v5 | Google Cloud | كفاءة الاستدلال، نسبة السعر للأداء | حتى مليون شريحة |
يضمن هذا التنويع عدم قدرة أي مورد واحد على تقييد قدرة أنثروبيك التدريبية. إذا ضاق تخصيص NVIDIA، تنقل أنثروبيك أحمال العمل إلى Trainium أو TPU. إذا أعطت AWS الأولوية لعملاء آخرين، يوفر Azure سعة احتياطية.
متطلبات التوسع لـ Claude
يمثل Claude Opus 4.5، الذي صدر في نوفمبر 2025، أقوى نموذج لأنثروبيك.[^8] يتطلب تدريب الأجيال اللاحقة تخصيصات حوسبة أكبر. يوضح مشروع Rainier الحجم: تمتد المجموعة عبر ثلاث ولايات (بنسلفانيا، إنديانا، ميسيسيبي) مع استخدام معظم الشرائح للاستدلال وتنفيذ عمليات التدريب خلال ساعات المساء عندما ينخفض الطلب على الاستدلال.[^9]
ستحصل أنثروبيك على أكثر من جيجاوات واحد من السعة التي ستدخل الخدمة في 2026 من خلال Google Cloud وحدها.[^10] مع منشآت Fluidstack والبنية التحتية لـ AWS، تقترب السعة الإجمالية من نطاق متعدد الجيجاوات - حوسبة كانت متاحة سابقاً فقط لأكبر مزودي الخدمات السحابية.
المراجحة الاقتصادية
انخفضت أسعار استئجار GPU السحابية من 8 دولارات/ساعة (H100، أوائل 2024) إلى 2.85-3.50 دولار/ساعة (أواخر 2025)، لكن التدريب المستمر لا يزال يراكم ملايين في التكاليف.[^11] تحوّل البنية التحتية المملوكة المصروفات التشغيلية المتغيرة إلى استثمار رأسمالي بخصائص اقتصادية مختلفة.
اقتصاديات التدريب على نطاق واسع:
| المقياس | الاستئجار السحابي | البنية التحتية المملوكة |
|---|---|---|
| 10,000 GPU شهرياً | 20-25 مليون دولار | 15-18 مليون دولار (مطفأة) |
| مرونة السعة | فورية | وقت تسليم 12-24 شهر |
| اختيار المعمارية | يعتمد على المزود | محدد ذاتياً |
| مخاطر الأصول المعطلة | لا شيء | كبيرة |
توفر شراكة Fluidstack حلاً وسطاً: منشآت مبنية خصيصاً لأحمال عمل أنثروبيك دون مخاطر الملكية الكاملة.
هيكل الشراكة
تمثل شراكة Fluidstack رهاناً محسوباً على مرونة السحابة الجديدة مقابل حجم مزودي الخدمات السحابية الكبرى.
لماذا Fluidstack
أثبتت Fluidstack، المؤسسة عام 2017، قدراتها في وقت سابق من 2025 عندما تم تسميتها الشريك الرئيسي لمشروع ذكاء اصطناعي بقدرة جيجاوات واحد مدعوم من الحكومة الفرنسية يمثل إنفاقاً يزيد عن 11 مليار دولار.[^12] اختار الرئيس التنفيذي لأنثروبيك داريو أمودي Fluidstack لـ"قدرتها على التحرك بمرونة استثنائية، مما يتيح التسليم السريع لجيجاوات من الطاقة."[^13]
يختلف نموذج السحابة الجديدة لـ Fluidstack عن نهج مزودي الخدمات السحابية الكبرى: - السرعة: أشهر بدلاً من سنوات لتسليم المنشآت - التخصيص: بنية تحتية محسّنة لأنماط عمل أنثروبيك المحددة - الاقتصاديات: بدون هامش مزودي الخدمات السحابية الكبرى، تمرير مباشر للتكلفة - المرونة: شروط عقد مصممة لمتطلبات مختبرات الذكاء الاصطناعي
الاستراتيجية الجغرافية
تخدم مواقع تكساس ونيويورك أغراضاً استراتيجية متميزة:
منشأة تكساس: - تكاليف طاقة أقل (0.04-0.06 دولار/كيلوواط ساعة مقابل 0.12 دولار+ في أماكن أخرى) - بيئة تنظيمية مواتية لتطوير مراكز البيانات - القرب من البنية التحتية الحالية لـ Stargate في أبيلين - التركيز الرئيسي: عمليات التدريب واسعة النطاق
منشأة نيويورك: - اتصال متميز بعملاء القطاع المالي - وصول منخفض الكمون لمراكز السكان في الشمال الشرقي - القرب من عملاء المؤسسات لخدمات Claude API - التركيز الرئيسي: خدمة الاستدلال، النشر المؤسسي
استثمار القيادة
وظّفت أنثروبيك راهول باتيل كمدير تقني في أكتوبر 2025، خصيصاً للإشراف على الحوسبة والبنية التحتية والاستدلال وعمليات الهندسة.[^14] خلفية باتيل كمدير تقني في Stripe تشير إلى التزام أنثروبيك بالبنية التحتية كقدرة جوهرية بدلاً من وظيفة خارجية.
مقارنة Stargate: نموذجان للبنية التحتية للذكاء الاصطناعي
يكشف التناقض بين استراتيجية أنثروبيك الموزعة ونهج Stargate المركز لـ OpenAI عن اختلافات فلسفية جوهرية.
مقارنة استراتيجية البنية التحتية:
| البعد | أنثروبيك | OpenAI Stargate |
|---|---|---|
| إجمالي الالتزام | أكثر من 95 مليار دولار (موزع) | 500 مليار دولار (مركز) |
| الجدول الزمني | 2025-2026 | حتى 2029 |
| المعمارية | متعددة المزودين (NVIDIA، Trainium، TPU) | NVIDIA أساساً |
| الملكية | نموذج شراكة | مشروع مشترك (40% لكل من SoftBank وOpenAI) |
| الانتشار الجغرافي | منشآت متعددة، 3+ مناطق سحابية | 6+ مواقع، هدف 10 جيجاوات |
| ملف المخاطر | أقل (متنوع) | أعلى (مركز) |
ضمن Stargate الخاص بـ OpenAI ما يقرب من 7 جيجاوات من السعة المخططة عبر ستة مواقع مع أكثر من 400 مليار دولار في الاستثمارات الملتزم بها - مما يضعهم على المسار لتحقيق هدفهم الكامل البالغ 10 جيجاوات و500 مليار دولار قبل الموعد المحدد.[^15] ومع ذلك، تشير التقارير إلى أن المشروع واجه تأخيرات وسط تحديات التنفيذ.[^16]
يستبدل نهج أنثروبيك الحجم بالمرونة. إذا واجه Stargate تأخيرات في البناء أو تحديات تمويل أو تحولات تقنية، تواجه OpenAI مخاطر التركيز. توفر التزامات أنثروبيك الموزعة سعة احتياطية عبر مزودين متعددين.
الآثار على الصناعة
تخلق استراتيجية أنثروبيك متعددة المزودين تأثيرات متتالية عبر نظام البنية التحتية للذكاء الاصطناعي.
تحول الديناميكيات التنافسية
يضم مشهد مختبرات الذكاء الاصطناعي المتقدمة الآن فلسفتين متميزتين للبنية التحتية: - المركزة: OpenAI (Stargate)، Meta (بناء داخلي بقيمة 600 مليار دولار) - الموزعة: أنثروبيك (متعددة السحابات + مملوكة)
تواجه المختبرات الأصغر ضغطاً للاختيار: التنافس على سعة مزودي الخدمات السحابية الكبرى ضد منافسين أفضل تمويلاً، أو قبول عيب البنية التحتية. تصاعدت متطلبات رأس المال للبنية التحتية التنافسية إلى ما يتجاوز قدرة جمع الأموال المستقل.
تموضع مزودي الخدمات السحابية
يتنافس مزودو الخدمات السحابية الكبرى على استضافة مختبرات الذكاء الاصطناعي الرئيسية مع بناء سعة قد تتجاوز الطلب إذا بنت المختبرات بنية تحتية مملوكة. تخلق هذه الديناميكية عدم يقين في تخطيط السعة:
- AWS: تحتفظ بأنثروبيك من خلال Project Rainier لكنها تفقد الحصرية
- Google Cloud: تضمن التزاماً متعدد السنوات لـ TPU، يثبت استراتيجية الرقائق المخصصة
- Microsoft Azure: تكسب وجود أنثروبيك من خلال التزام بأكثر من 30 مليار دولار، تنوع بعيداً عن OpenAI
- Oracle: مستبعدة من أنثروبيك، تضاعف على شراكة Stargate
التحقق من صحة السحابة الجديدة
اختيار Fluidstack على مزودي الخدمات السحابية الكبرى الراسخين يثبت صحة نموذج السحابة الجديدة للبنية التحتية المتقدمة للذكاء الاصطناعي. تكتسب شركات السحابة الجديدة الأخرى (CoreWeave، Lambda، Together) مصداقية لشراكات مماثلة. ينتقل قطاع السحابة الجديدة من مصدر سعة بديل إلى شريك بنية تحتية استراتيجي.
تحديات التنفيذ
يتضمن تحويل 95 مليار دولار في الالتزامات إلى بنية تحتية تشغيلية مخاطر تنفيذ كبيرة عبر أبعاد متعددة.
تكوين رأس المال
التمويل المعلن لأنثروبيك (~8 مليار دولار حتى 2024) أقل بكثير من 95 مليار دولار+ في الالتزامات. تتطلب فجوة رأس المال: - استثمار مغامر مستمر (أفادت التقارير أن Google ساهمت بمليار دولار إضافي) - نمو الإيرادات من Claude API ومنتجات المؤسسات - مساهمات الشركاء الاستراتيجيين (10 مليار دولار من NVIDIA، 5 مليار دولار من Microsoft) - تمويل ديون محتمل مع دخول المنشآت الخدمة
يمثل الالتزام طموحاً متعدد السنوات يتطلب وصولاً مستداماً لرأس المال. قد تقيد الظروف الاقتصادية المؤثرة على استثمارات التكنولوجيا توفر التمويل.
تنسيق متعدد المزودين
يخلق التشغيل عبر AWS وGoogle Cloud وAzure وFluidstack في وقت واحد تعقيداً في التنسيق: - واجهات برمجة تطبيقات وأدوات وممارسات تشغيلية مختلفة - تحسين وضع أحمال العمل عبر المزودين - الأمان والامتثال عبر بيئات متعددة - إسناد التكلفة والتحسين عبر العقود
فوائد استراتيجية السحابة المتعددة (المرونة، النفوذ التفاوضي) تأتي مع عبء تشغيلي تتجنبه النهج المركزة.
متطلبات الدعم المهني
يدعم 550 مهندساً ميدانياً في Introl المؤسسات التي تنفذ بنية تحتية للذكاء الاصطناعي واسعة النطاق عبر مزودين ومعماريات متعددة.[^17] احتلت الشركة المرتبة 14 في قائمة Inc. 5000 لعام 2025 مع نمو 9,594% على مدى ثلاث سنوات، مما يعكس الطلب على خبرة النشر متعدد السحابات.[^18]
تتطلب عمليات النشر عبر 257 موقعاً عالمياً ممارسات تشغيلية متسقة بغض النظر عن المزود الأساسي.[^19] تدير Introl عمليات نشر تصل إلى 100,000 GPU مع أكثر من 40,000 ميل من البنية التحتية لشبكة الألياف الضوئية.[^20]
إطار القرار لمخططي البنية التحتية
تقدم استراتيجية أنثروبيك دروساً للمؤسسات التي تقيّم نهج البنية التحتية للذكاء الاصطناعي.
اختيار استراتيجية البنية التحتية:
| ملفك الشخصي | النهج الموصى به | المبرر |
|---|---|---|
| إنفاق GPU سنوي أقل من 10 مليون دولار | استئجار من مزودي الخدمات السحابية الكبرى | حجم غير كافٍ للبنية التحتية المخصصة |
| إنفاق سنوي 10-100 مليون دولار | سحابة متعددة مع سعة ملتزم بها | توازن المرونة مع التسعير |
| إنفاق سنوي أكثر من 100 مليون دولار | هجين مملوك + مستأجر | تحسين اقتصادي على نطاق واسع |
| تطوير ذكاء اصطناعي متقدم | محفظة متعددة المزودين | ضمان السعة، خيارية المعمارية |
إشارات للمراقبة
راقب المؤشرات التي تدل على أن نموذج أنثروبيك الموزع يتفوق على نهج Stargate المركز (أو العكس): - مقاييس كفاءة التدريب النسبية من إصدارات Claude مقابل GPT - الجداول الزمنية لنشر المنشآت تحقق الأهداف أو تفوتها - اتجاهات التكلفة لكل رمز في تسعير API - مقارنات أداء المعمارية (NVIDIA مقابل Trainium مقابل TPU)
النقاط الرئيسية
لمشغلي البنية التحتية للذكاء الاصطناعي: - تقلل الاستراتيجيات متعددة المزودين من مخاطر التبعية لكنها تزيد من تعقيد التشغيل - توفر شراكات السحابة الجديدة مزايا السرعة والتخصيص على مزودي الخدمات السحابية الكبرى - أصبحت البنية التحتية
[تم اقتطاع المحتوى للترجمة]
