أنتروبك توسع شراكتها مع جوجل كلاود مع مليون وحدة معالجة Tensor لتعزيز بنية الذكاء الاصطناعي

باختصار

تخطط أنثروبيك لتوسيع كبير في بنيتها التحتية للذكاء الاصطناعي مع ما يصل إلى مليون وحدة معالجة Tensor من جوجل بحلول عام 2026، مما يعزز القدرة الحاسوبية، ويدعم قاعدة عملائها المتزايدة، ويدفع استراتيجيتها المتعددة السحابة.

أعلنت شركة Anthropic لأمان الذكاء الاصطناعي والبحث عن خطط لتوسيع استخدام تقنيات Google Cloud، بما في ذلك ما يصل إلى مليون وحدة معالجة Tensor (TPUs)، مما سيزيد بشكل كبير من قدرتها الحسابية بحلول عام 2026.

تم تصميم هذا التوسع لدعم قاعدة العملاء المتنامية للشركة التي تضم أكثر من 300,000 شركة، والطلب المتزايد من الحسابات الكبيرة، مع تمكين المزيد من الاختبارات الشاملة، وبحوث التوافق، والنشر المسؤول لأنظمة الذكاء الاصطناعي.

تستخدم الشركة استراتيجية حوسبة متعددة المنصات تستفيد من وحدات معالجة Tensor من جوجل، وTrainium من أمازون، ووحدات معالجة الرسوميات من NVIDIA لتعزيز قدرات نماذج Claude، والحفاظ على الشراكات الصناعية، وضمان تطوير الذكاء الاصطناعي القابل للتوسع. تواصل Anthropic التعاون مع أمازون في مشروع Rainier، وهو تجمع حوسبة رئيسي يمتد عبر عدة مراكز بيانات في الولايات المتحدة، وتخطط للاستثمار في سعة إضافية للبقاء في طليعة أبحاث الذكاء الاصطناعي.

يمثل هذا التوسع الأكثر شمولاً لاستخدام TPU من قبل Anthropic حتى الآن ويبرز التزام الشركة باستراتيجية متعددة السحاب. بينما كانت TPUs بالفعل جزءًا من بنيتها التحتية، فإن النشر القادم سيزيد من نطاقها.

يشير محللو الصناعة إلى أن نمو Anthropic قد يساهم في إضافة 1-2% إضافية إلى إيرادات AWS في عام 2025، وقد يشكل الاستخدام الموسع لوحدات معالجة Tensor (TPUs) تحديًا تنافسيًا لـ Trainium.

تقلل الاتفاقية أيضًا اعتماد أنثروبيك على وحدات معالجة الرسومات من إنفيديا. بخلاف وحدات معالجة tensor، ستتمكن الشركة من الوصول إلى مجموعة أوسع من خدمات Google Cloud، مما يدعم قدراتها الحسابية والتشغيلية بشكل أكبر.

التقدم الأنثروبي في قدرات LLM

أنتروبيك هي مطور سلسلة من نماذج اللغة الكبيرة (LLMs) تحت علامة كلود، والتي تم تصميمها لتوفير موثوقية، وقابلية للتفسير، وقابلية للتحكم في مخرجاتها.

قدمت الشركة مؤخرًا كلود سونيت 4.5، الذي يمثل أحدث نموذج للذكاء الاصطناعي لديها حتى الآن، مع تحسينات في مجالات مثل البرمجة، والتفكير العلمي، والتحليل المالي. لقد أظهر هذا النموذج القدرة على الحفاظ على التركيز على المهام المعقدة والمتعددة الخطوات لفترات طويلة، محققًا مستويات أداء تتجاوز تلك الخاصة بالإصدارات السابقة.