据 Financial Times 报道，Anthropic 已与 Alphabet 的 Google 和 Broadcom 签订了可能价值数千亿美元的多年芯片与算力交易，随着这家 AI 创企的年化收入攀升至约 300 亿美元。这一规模在一夜之间重塑了 AI 供应链，抬升了 GOOGL 和 AVGO，同时对 Nvidia 在市场上的控制力以及超大云服务商将如何配给稀缺算力提出了新的疑问。
这一头条迫使投资者重新绘制 AI 排行榜。Google (GOOGL) 获得更明确的路径来填满其定制 TPU 能力并提高 Google Cloud 的利用率。Broadcom (AVGO) 巩固了其作为定制加速器和 AI 网络构建者的地位，将长期交付周期转换为多年收入可见性。Nvidia (NVDA) 仍在尽可能多地销售每一片 H100 和 B100，但面临更明确的信息：最大客户希望在成本和控制上获得替代方案。AMD (AMD) 处于中间位置，在 CUDA 锁定减弱以及客户在价格-性能上要求超越 Nvidia 溢价的插槽上争夺市场。下游，Taiwan Semiconductor (TSM) 以及 HBM 内存供应商 Micron (MU)、SK Hynix 和 Samsung 因为每条通往 AI 规模化的路径都必须穿过它们的瓶颈，仍然是不可或缺的受益者。
对 Anthropic 来说，这些交易更像是对抗算力短缺的保险，而不是一场虚荣的武器竞赛。预期会有必须购买或支付（take-or-pay）结构、大额预付款以及捆绑云承诺的容量预留。对 Alphabet 而言，这是关于以工业规模将内部设计的硅片货币化、让工作负载留在 TPU 上，并推动更多推理任务转向定制芯片，从而在单位经济上超过 Nvidia 的通用加速器。Broadcom 的角色是交付定制 ASIC 和使其协同工作的基础设施：高基数交换机、共封装光学以及能够在每瓦内压榨更多带宽的先进封装。没有 TSMC 的 CoWoS 能力和稳定的 HBM3E、HBM4 供应线，这一切都无法实现。实际结果是：Anthropic 将资本支出冲击转嫁给其供应商和云伙伴，同时锁定可以通过高价模型销售的算力下限。
300 亿美元的年化收入数据重新定义了关于 AI“炒作”的争论。不具备强劲使用率、粘性的企业合同或可行的推理规模化货币化计划，你无法记录这种运行率。但更具指示性的度量是每美元收入的算力强度。如果 Anthropic 的模型组合正在向更重的推理负载倾斜——运行时间更长的 agents、调用多模型的检索，或将安全栈的通过次数翻倍——那么提前购买容量能保护毛利率。它也暗示单位成本正在快速下降，足以支持更广泛的定价而不至于压垮 ARPU。这正是超大云服务商希望飞轮运转的方式：承诺芯片，推动利用率，压缩成本，扩大市场，然后再一次承诺。
Nvidia 的主导地位建立在上市速度、CUDA 软件引力以及开箱即用的网络栈之上。当像 Anthropic 这样的买家强烈承诺替代方案时，变化的不仅是市场份额，而是整个 AI 行业的综合商品成本。如果 Google 和 Broadcom 能以更低的总体拥有成本提供可比吞吐量——包括网络、内存和开发者时间在内——Nvidia 在训练方面的定价能力将首先受到考验，推理随后受到影响。这并不意味着 NVDA 会在短期内失利；积压订单和 HBM 约束仍会支持紧张的供应和溢价定价。但这确实意味着下一轮谈判将更侧重于每 token 成本、模型延迟和能效。关注更多异构机群：针对特定架构训练的 TPU、用于热点端点的 AVGO 制造的推理 ASIC，以及在灵活性和成熟工具链上仍占优势的 NVDA。
Anthropic 一直在平衡与 Amazon (AMZN)、Google (GOOGL) 及其他供应商的关系。Amazon 的投资和 Bedrock 集成使 AWS 成为自然的归宿。今天的报道表明 Google 已确保了更大、更长期的 Anthropic 工作负载。如果 Broadcom 正在为 Anthropic 或 Anthropic 将依赖的 Google 平台构建专用硅片，预计监管机构会对排他性、捆绑以及超大云服务商是否利用基础设施控制来塑造 AI 市场结构提出更多质疑。辩护会很简单：没有跨芯片、晶圆厂、封装和云的深度协调，就无法满足 AI 的需求。但如果计算积分、融资和容量访问成为事实上的锁定工具限制切换，法律风险将上升。购买 AI 服务的企业会更关心服务级别保证和价格稳定，而不是抽象的反垄断理论——但如果实践中形成了算力卡特尔，政府不会视而不见。
对 AVGO 而言，这正是 Hock Tan 的教科书式操作：确保多年、低波动的现金流，提前货币化 NRE，并瞄准定制化能带来持久护城河的细分市场。定制加速器与 AI 网络正好吻合该剧本。Broadcom 已经成为 Google TPU 供应链的锚点并主导高端以太网交换；共封装光学和先进互连进一步抬高了切换成本。风险在于执行——封装产能、HBM 可用性以及在不突破功耗预算的情况下在数据中心传输 TB/s 级别数据的物理学。但如果 AVGO 能在保持进度可信度的同时在其交换芯片上推动 51.2T 及以上吞吐，经营杠杆将显著。这有助于资助更多研发，并在讨论脱钩 Nvidia 时保持 Broadcom 的存在而不承受无法承受的性能损失。
产能就是货币。TSMC 的 CoWoS 扩张、SK Hynix 的 HBM 提升以及 Micron 在 HBM 市场的份额增长是包括 GOOGL 与 AVGO 在内每个参与者的门控因素。Alphabet 的资本支出指引和关于 TPU 利用率的评论将是即时信号。Broadcom 的下一次财报应更细分地披露 AI——定制 AI、交换、光学——且任何在积压订单持续时间上的变化都很重要。Anthropic 的产品节奏将显示这些算力是以更大模型、更便宜 token 还是为企业差异化功能的形式出现。在竞争层面，关注 OpenAI 与 xAI 的基础设施披露；Elon Musk 一直在倾向于构建自己的算力足迹，若那边也转向定制硅片，将强化去 Nvidia 的叙事。AMD 的 MI300 采用速度是加速层出现真正三强竞争的关键变量。
这也是一场超大云服务商的利润率故事。如果 Anthropic 在 Google Cloud 上更多使用 TPU，Alphabet 将双重受益：更高的利用率和相比第三方加速器更低的单位成本。Amazon 面临压力，需要通过新的承诺、折扣或通过 AWS Trainium 和 Inferentia 提供定制硅片加速来回应，以确保 Anthropic 工作负载留在 Bedrock 或赢得增量 AI 租户。Microsoft (MSFT) 已与 OpenAI 关系紧密并推动其 Maia 加速器，可能会以速度换速度以保持 Azure AI 的势头。对这三家而言，关键绩效指标相同：AI 毛利率与核心云毛利率的收敛。谁最接近这一稳态，同时保持或扩大份额，谁将被定价为长期赢家。
如果 FT 的报道属实，这是朝由超大云服务商主导并由定制硅片推动的纵向整合 AI 堆栈又一轮飞轮运转。短期内，这支持 GOOGL 的 AI 资本支出叙事并加强 AVGO 的多年可见性。它将 NVDA 从绝对赢家推向相对赢家，因为客户将部署定制替代方案，尽管稀缺性仍支撑 Nvidia 的经济学。第二顺位受益者仍是 TSM、MU、SK Hynix、Samsung 以及为其提供支撑的半导体设备产业链。风险在于执行：封装、HBM 供应与软件成熟度可能会滞后。信号很明确：到 2026 年，竞争护城河是对算力的访问，而非模型的新颖性。现金正以前所未有的规模转化为产能，而那些能按自己条件锁定产能的参与者，将为其他所有人定价 AI。
