把 Anthropic 简化成“倒黄先锋”,很容易把一场算力路线冲突写成情绪故事。更值得拆的是利益结构:Anthropic 要用多样化芯片压低训练与推理成本,守住闭源前沿模型的溢价;NVIDIA 则需要更繁荣的开源模型生态,让算力需求继续扩张。开源不是背景板,而是两边利益正面相撞的导火索。
算力账本比舆论更诚实
Anthropic 并不是只把 NVIDIA 当作唯一命脉。2026 年 4 月,Anthropic 与 Amazon 宣布扩大合作:Project Rainier 已使用超过 100 万颗 Trainium2 芯片训练和服务 Claude,双方还计划在未来十年向 AWS 技术投入超过 1000 亿美元,新增最高 5GW 容量。Anthropic 与 Amazon 的公告
再往前看,2025 年 10 月,Anthropic 宣布扩大 Google Cloud TPU 使用规模,计划使用最高 100 万颗 TPU,并在 2026 年带来超过 1GW 容量。Anthropic 与 Google Cloud 的公告 官方口径也强调,其硬件策略横跨 Google TPU、Amazon Trainium 与 NVIDIA GPU。
所以,准确说法不是“NVIDIA 对 Anthropic 不重要”,而是:NVIDIA 仍是重要供应商,却不再是不可替代的单点。对一家前沿实验室来说,这既是成本问题,也是谈判筹码,更是供应安全。
开源为什么碰到生死线
真正的冲突在模型层。
闭源前沿模型的经济前提,是能力差距足够大、企业愿意为 API、订阅和企业级可靠性付费。一旦 open weights 在多数通用任务上逼近闭源模型,模型层就会快速商品化:客户可以自托管、微调、换供应商,价格竞争从“谁更聪明”变成“谁更便宜、更容易部署”。
这对 Anthropic 的压力不止于收入。前沿实验室的安全叙事、产品化能力、企业客户关系,都要依靠“领先模型”提供现金流和研发循环。如果开源模型持续压缩溢价,闭源实验室就必须更快证明:自己值得为下一轮巨额算力账单付费。
NVIDIA 的位置恰好相反。NVIDIA 在 2026 年 3 月的官方博客中明确说,AI 的未来是开放与专有并存,并表示自己已成为 Hugging Face 上最大的组织贡献者,团队贡献者接近 4000 人。NVIDIA 官方博客 这不等于黄仁勋只支持开源,而是符合 NVIDIA 的商业逻辑:开源模型越多、部署场景越多、微调和推理越多,加速器需求越分散也越持续。
换句话说,模型层越开放,算力层越可能保持中枢地位;模型层越集中,头部实验室越有动力把算力、模型和分发捏成自己的闭环。
对 NVDA 定价的真正考验
这件事对 NVIDIA 的影响,不能只看某几条推文,而要看三重约束:
- 大客户集中度: NVIDIA 的收入依赖少数超大规模客户。客户越强,越有动机扶持替代芯片和替代供应链。
- 自研芯片上量: Trainium、TPU 以及其他定制加速器进入前沿训练和推理,会削弱 NVIDIA 的独家定价权。
- 生态政治: 开源模型帮助 NVIDIA 扩大需求,却会挤压闭源实验室的护城河,让 NVIDIA 与重要客户产生利益错位。
因此,NVDA 的长期定价关键不是“有没有人骂黄仁勋”,而是算力供给是否持续稀缺、CUDA 与系统软件生态能否抵消定制芯片的价格优势,以及推理需求增长能否快到消化所有供应商的产能。
冷静看这场暗战
“倒黄先锋”是症状,病根是 AI 价值链的分配权。Anthropic 想守住闭源模型的稀缺性,并降低对单一算力供应商的依赖;NVIDIA 想让模型生态继续繁荣,把更多场景变成加速器需求。两边都没有错,只是利益不再完全一致。
对市场的启示也很朴素:不要把舆论战当作投资结论。真正值得跟踪的是芯片采购结构、open weights 与闭源模型的能力差距、推理成本曲线,以及大客户议价权的变化。情绪会退潮,账本不会。
选题来源与边界:选题线索来自 tombkeeper 于 2026 年 11 月 17 日的讨论;“Anthropic 的死敌是开源”“黄仁勋是开源最大支持者”仅作为触发观点,不作为本文事实结论。本文事实部分采用 Anthropic、NVIDIA 与 SEC 的公开口径,市场判断属于作者分析,不构成投资建议。