Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Broadcom pożyczy Anthropic do 42 mld dol. na TPU, gdy amerykańskie centra danych uderzają w limit pakowania

Broadcom zgodził się pożyczyć Anthropic do 42 mld dol. na infrastrukturę AI, podała w czwartek agencja Reuters, powołując się na prospekt IPO. Jednocześnie analiza wskazuje, że zaawansowane pakowanie chipów, a nie produkcja, ogranicza tempo uruchamiania amerykańskich centrów danych.

TechnologiaAnalizaMarta ZielińskaOpublikowano: 1 października 20265 min czytaniaŹródła 14
Broadcom pożyczy Anthropic do 42 mld dol. na TPU, gdy amerykańskie centra danych uderzają w limit pakowania

Pożyczka może pokryć około jednej trzeciej z 125,2 mld dol., które Anthropic zobowiązało się zapłacić za pięcioletni najem tensor processing units, czyli chipów AI projektowanych przez Google we współpracy z Broadcomiem. Tak wynika z dokumentów, które przeglądał Reuters. Pieniądze mają pochodzić z obligacji konwertowalnych, które mogą zostać zamienione na akcje Anthropic. Spółka stwierdziła w prospekcie, że nie oczekuje sprzedaży żadnych obligacji przed IPO. Broadcom może również wskazać partnera finansowego, podała relacja.

Anthropic odmówiło komentarza, a Broadcom nie odniosło się do sprawy, poinformował Reuters. TNW nie widziało prospektu.

Sama dokumentacja wskazuje na niezręczną geometrię układu. Anthropic twierdzi, że podwójna rola Broadcomu, jako dostawcy sprzętu i partnera finansowego, tworzy „potencjalne konflikty interesów”, które mogą wpłynąć na dostęp do mocy obliczeniowej. Firma ostrzega również, że niektóre opóźnienia w płatnościach lub wykonaniu zobowiązań mogą sprawić, że duża część jej zobowiązań najemnych stanie się wymagalna jednocześnie. W takim przypadku mogłaby pobrać tylko ograniczone kwoty z linii kredytowej na 42 mld dol., aby je pokryć. Zgodnie z prospektem, Anthropic wpłaciło gotówkę na konto ograniczone na rzecz Broadcomu w kwietniu 2026 roku i może musieć dodać więcej w określonych okolicznościach.

Reuters przedstawia tę transakcję jako lustrzane odbicie działań Nvidia, która wykorzystuje swój bilans, aby wspierać sprzedaż chipów. „Financial Times” poinformował w tym tygodniu, że Nvidia rozmawiała z ubezpieczycielami o pożyczkach zabezpieczonych jej chipami. „Nvidia angażuje ogromną część swojego bilansu, a Broadcom musi podążyć tym samym tropem” – powiedział Jay Goldberg, analityk z Seaport Research, dla Reutersa. Robert Leitao, managing partner w Rothschild & Co, powiedział agencji: „Odnosi się wrażenie, że teraz stawiamy dość skoncentrowany zakład na to, że dwie firmy będą w stanie wygenerować wystarczające przychody, aby wesprzeć wszystkie dokonane finansowania.”

Anthropic straciło 42 mld dol. w 2025 roku, podczas gdy przychody wzrosły dwunastokrotnie, pokazują dane z prospektu, a jego IPO może wycenić firmę na 2 bln dol., podała Reuters. Broadcom prognozuje przychody z chipów AI na poziomie około 115 mld dol. w roku fiskalnym 2027 i 230 mld dol. w roku fiskalnym 2028, a Reuters informuje, że Anthropic jest na dobrej drodze, aby stać się największym klientem obliczeniowym Broadcomu w tamtym roku.

Pakowanie staje się wąskim gardłem

Pieniądze trafiają w środek ograniczeń fizycznych. Raport Jefferies, udostępniony The Register 30 września, cytuje firmę analityczną SynMax, która wykorzystuje cotygodniowe obrazy satelitarne do śledzenia wycinki drzew i budowy na placach budowy centrów danych. Szacuje się, że amerykańskie wdrożenia wzrosną z około 11 GW całkowitej pojemności w 2025 roku do 16-18 GW w 2026 roku, powyżej wcześniejszej prognozy 14-16 GW. Praktyczny górny limit na 2027 rok oszacowano na dolną granicę 20 GW.

Czyszczenie terenu pod nowe projekty osiągnęło plateau, poinformował The Register, pozostawiając widoczną aktywność daleko poniżej ponad 80 GW sugerowanych przez niektóre ogłoszone pipeline'y i modele popytu na chipy na 2028 rok. Poprzedni raport Jefferies wykazał, że tylko połowa amerykańskiej pojemności zaplanowanej na 2026 rok była w budowie, a prace nie rozpoczęły się nawet na 80 procentach pipeline'u na 2028 rok.

Zaawansowane pakowanie, gdzie die akceleratorów są łączone z pamięcią high-bandwidth, zanim OEM może je zainstalować, stanowi drugi hamulec. SynMax szacuje, że istniejąca pojemność pakowania wspiera akceleratory pobierające około 13 GW całkowitej mocy, co odpowiada około 17,5 GW całkowitej mocy centrum danych po uwzględnieniu CPU, pamięci i chłodzenia. Dwa projekty pakowania, które mają ruszyć w 2027 roku, mogą dodać 6 GW, utrzymując limit w dolnej granicy 20 GW, chyba że pojemność rozszerzy się szybciej, niż przewidują prognozy.

Część tej pojemności się przesuwa. Shinko Electric przejęło fabrykę Japan Display w Mobara i przekształca ją w bazę pakowania półprzewodników AI, według finance.biggo.com. Tech Times opisało ten ruch 30 września jako promocję substratów szklanych.

Chiny budują równoległy stack

Rotujący prezes Huawei, Eric Xu, stwierdził w tym tygodniu, że neural processing units Ascend firmy przewyższyły Nvidia pod względem udziału w rynku w Chinach. „Trudno jest zbierać dane o udziale Nvidia w rynku w Chinach, ale na podstawie zebranych przez nas danych Ascend wyprzedził Nvidia” – powiedział w opublikowanych odpowiedziach na pytania, które opisał The Register 30 września. Menedżerowie Nvidia powiedzieli podczas konferencji z okazji wyników za drugi kwartał, że wysyłki H200 do Chin stanowiły mniej niż 1 procent przychodów z centrów danych.

DeepSeek udostępniło open source'owo sześć modułów oprogramowania dla Ascend w środę, w tym wersję TileLang kompatybilną z Ascend. TileLang to język programowania opracowany na Uniwersytecie Pekińskim, który według jego twórców jest prostszy niż CUDA od Nvidia, podały South China Morning Post i The Decoder. Huawei stwierdziło, że „w pełni wspiera” tę pracę, a obie firmy zoptymalizowały supernwęzeł z 128 chipów Ascend 950.

Żadna ze stron nie stoi w miejscu w kwestii narzędzi do projektowania. OpenAI i Synopsys podpisały wieloletnią partnerską umowę w celu budowy GPT-Synopsys, modelu intended do rozumowania o projektowaniu chipów i obsługi narzędzi EDA Synopsys, a wstępne testy u klientów z branży półprzewodników już trwają, poinformował The Decoder 30 września. Tom's Hardware, prowadzący tydzień projektowania chipów AI od 28 września do 2 października, zauważa, że Cadence, Synopsys i Siemens twierdzą o różnym poziomie autonomii agentów, ale że wszystkie dotychczasowe dane dotyczące prędkości pochodzą od dostawcy lub klienta, z zastrzeżeniami typu „do” i „wstępna ocena” oraz różnymi bazami porównawczymi.

Komentarze 0

Źródła

14
  1. 01Broadcom to lend Anthropic up to $42bn for its chips, Reuters reportsEN
  2. 02America is planning more AI datacenters than its chip supply can fillEN
  3. 03Huawei boss claims homegrown AI chip sales top Nvidia in ChinaEN
  4. 04China's AI industry closes ranks as Deepseek ships open-source software for Huawei's Ascend chipsEN
  5. 05OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  6. 06The state of agentic AI in chip design tools in 2026EN
  7. 07AI Chip Design WeekEN
  8. 08China's DeepSeek open-sources tools to help Huawei chips supplant Nvidia in AIEN
  9. 09Nvidia and AMD chiefs join Tsinghua advisory board as US-China chip tensions persistEN
  10. 10Huawei steps up Tau chip roll-out, with Mate XT 2 on track for 1 million salesEN
  11. 11China's Huawei trims mobile chip gap with Apple as Tau Scaling Law pays off: BernsteinEN
  12. 12Alibaba teases 10-trillion-parameter model, debuts 'China's most powerful' AI chipEN
  13. 13Experts worry about Nvidia's AI chip sales in China and influence over TrumpEN
  14. 14Emergence AI Targets Fabless Chipmakers With Neuroformal AIEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.