Почему Anthropic рассматривает Microsoft Maia 200 для своих ИИ-моделей
Anthropic, разработчик Claude, продолжает расширять инфраструктуру для искусственного интеллекта. По сообщениям СМИ, компания обсуждает с Microsoft возможность использования серверов на базе собственных AI-ускорителей Maia 200. Пока это не финальная сделка, но сам факт таких переговоров хорошо показывает, что рынок ИИ столкнулся с главным ограничением — нехваткой вычислительных мощностей. Maia 200 — это специализированный чип Microsoft для задач искусственного интеллекта, в первую очередь для инференса. Иначе говоря, он нужен не столько для обучения новых моделей с нуля, сколько для запуска уже готовых нейросетей в больших масштабах. Для сервисов вроде Claude это критически важно: миллионы запросов требуют огромного количества серверов, памяти, энергии и оптимизированного железа. Anthropic уже использует разные источники инфраструктуры. В индустрии всё чаще встречается мультиоблачный подход: AWS развивает Trainium, Google предлагает TPU, Microsoft продвигает Maia, а NVIDIA остаётся главным поставщиком универсальных GPU. Для крупных ИИ-компаний выбор больше не сводится к одному партнёру — важны доступность, цена, скорость масштабирования и эффективность на конкретных задачах. Для Microsoft потенциальное сотрудничество с Anthropic стало бы важным доказательством того, что её собственные AI-чипы могут быть интересны не только внутренним сервисам Azure, но и крупным внешним клиентам. На Xenon Lab разбираем, почему битва за железо становится основой всей гонки нейросетей.
Anthropic, разработчик Claude, продолжает расширять инфраструктуру для искусственного интеллекта. По сообщениям СМИ, компания обсуждает с Microsoft возможность использования серверов на базе собственных AI-ускорителей Maia 200. Пока это не финальная сделка, но сам факт таких переговоров хорошо показывает, что рынок ИИ столкнулся с главным ограничением — нехваткой вычислительных мощностей. Maia 200 — это специализированный чип Microsoft для задач искусственного интеллекта, в первую очередь для инференса. Иначе говоря, он нужен не столько для обучения новых моделей с нуля, сколько для запуска уже готовых нейросетей в больших масштабах. Для сервисов вроде Claude это критически важно: миллионы запросов требуют огромного количества серверов, памяти, энергии и оптимизированного железа. Anthropic уже использует разные источники инфраструктуры. В индустрии всё чаще встречается мультиоблачный подход: AWS развивает Trainium, Google предлагает TPU, Microsoft продвигает Maia, а NVIDIA остаётся главным поставщиком универсальных GPU. Для крупных ИИ-компаний выбор больше не сводится к одному партнёру — важны доступность, цена, скорость масштабирования и эффективность на конкретных задачах. Для Microsoft потенциальное сотрудничество с Anthropic стало бы важным доказательством того, что её собственные AI-чипы могут быть интересны не только внутренним сервисам Azure, но и крупным внешним клиентам. На Xenon Lab разбираем, почему битва за железо становится основой всей гонки нейросетей.