Anthropic前几天开了IPO路演，顺手放了一段路show视频，里头有段关于算力的部分特别值得细看。联合创始人Tom Brown讲了一段，大意是，Claude现在已经同时跑在四种芯片家族上，AWS的Trainium、Google的TPU、NVIDIA的GPU、AMD的GPU，全都有。
这件事在几年前听上去挺反常识的。当时很多人觉得，一个模型要跑在不同芯片上太麻烦了，每种芯片都得单独适配软件栈和推理栈，投入大、周期长，不划算。Anthropic偏偏早期就下了这个注，一做就是好几年，团队在这上面练出了很强的工程能力。视频里有个细节让我印象挺深，今年他们第一次把AMD GPU接进来，过去加一个新芯片平台要几十个工程师忙上好几个月，这回他们让一个叫Mythos的AI工具去试，结果Claude在AMD上跑起来了，前后就用了三天，基本没怎么靠人工干预，绝大多数kernel都是AI自己移植或写出来的。
这块转一下，回到他们真正在意的指标。Tom Brown提到Anthropic关注的是「总有效算力」，等于物理算力乘以一系列「计算乘数」，每发现一个新的乘数，整个算力池就变大。举个例子，训一个模型需要100单位算力的话，4倍乘数意味着你只用25单位就能训出同等模型，或者把省下来的算力拿去训更强的模型。他还说，这些乘数会彼此叠加，新的乘数发现对旧的也有正向增益，他们相信随着递归自我改进的逼近，Claude自己能发现越来越多新的乘数。
这套多芯片策略还有一个不太起眼但挺重要的好处。如果只押一家供应商，出个bug就全公司一起出事。多芯片意味着风险是分散的，某一家出问题，还有别的芯片在扛。Simon Willison在文中也提了一句，今年9月Anthropic自己发的事故复盘里就出现过只影响TPU部署的bug，能多平台跑的话，这种单点故障的杀伤就小很多。
所以你看，表面是「多接几家芯片」的工程活，往深里看，它其实是一套对冲供应商风险、放大算力复利、还把AI工具本身当生产力用的组合拳。对普通从业者来说，最值得琢磨的未必是那些数字，而是「一个非主流判断坚持几年之后会变成护城河」这个路径本身。
