Anthropic podpisuje kontrakt chmurowy za 35 mld dolarów. Wyścig o GPU wchodzi na niewyobrażalny poziom
Anthropic, twórca modeli Claude i popularnego narzędzia Claude Code, podpisał umowę chmurową wartą około 35 mld dolarów z Lambda - dostawcą infrastruktury AI wspieranym finansowo przez Nvidię. Według Reutersa kontrakt ma zapewnić Anthropic dostęp do mocy obliczeniowej opartej na układach Nvidii w powstającym centrum danych w hrabstwie Nueces w Teksasie. Projekt rozwija Hut 8, firma wywodząca się z branży kopania kryptowalut, która coraz mocniej przestawia działalność na infrastrukturę dla sztucznej inteligencji. Mowa o około 350 MW mocy IT, czyli skali znacznie wykraczającej poza typowe centrum danych obsługujące klasyczne aplikacje internetowe.
Najbardziej niezwykłe jest jednak to, że kontrakt za 35 mld dolarów nie jest pojedynczym rekordowym zakładem Anthropic. Zaledwie kilka dni wcześniej pojawiła się informacja o sześcioletniej umowie za 45 mld dolarów z Nscale, dotyczącej około 460 MW mocy w Zachodniej Wirginii i infrastruktury opartej na nowej generacji systemów Nvidia Vera Rubin. W kwietniu Anthropic ogłosił także zobowiązanie do wydania ponad 100 mld dolarów na technologie AWS w ciągu dziesięciu lat, zabezpieczając do 5 GW nowych mocy obliczeniowych. Wyścig o sztuczną inteligencję przestaje więc być tylko walką o najlepszy model. Coraz bardziej przypomina globalną rywalizację o elektrownie, centra danych, pamięć HBM, transformatory, światłowody i przede wszystkim dostęp do najnowszych akceleratorów AI.
Z kim Anthropic podpisał kontrakt chmurowy za 35 mld dolarów?
Partnerem Anthropic jest Lambda, amerykańska firma specjalizująca się w chmurze GPU i infrastrukturze przeznaczonej do trenowania oraz uruchamiania modeli AI. Lambda od lat buduje swoją pozycję wokół układów Nvidii i sama należy do firm wspieranych przez producenta GPU. Według źródła Reutersa nowa umowa ma zapewnić Anthropic dostęp do infrastruktury w Teksasie, w kampusie rozwijanym przez Hut 8. Nie wszystkie szczegóły finansowe kontraktu zostały publicznie ujawnione, dlatego warto zaznaczyć, że 35 mld dolarów oznacza wartość długoterminowego zobowiązania dotyczącego usług obliczeniowych, a nie jednorazowy zakup procesorów za tę kwotę.
Struktura całego projektu jest przy tym bardziej skomplikowana niż klasyczna relacja klient-chmura. Hut 8 buduje fizyczne centrum danych, Nvidia jest centralnym dostawcą technologii i według doniesień ma również uczestniczyć w strukturze leasingowej obiektu, Lambda dostarcza usługę chmurową, a Anthropic będzie jednym z największych odbiorców mocy obliczeniowej. Reuters podkreślał, że Nvidia znajduje się w samym centrum tego układu, ponieważ inwestuje w część firm uczestniczących w rynku, dostarcza im sprzęt, a jednocześnie pomaga tworzyć infrastrukturę, na której później działają modele AI. Pokazuje to, jak bardzo rynek sztucznej inteligencji zaczyna przypominać ekosystem wzajemnie powiązanych wieloletnich kontraktów infrastrukturalnych.
Dlaczego Anthropic potrzebuje aż tak ogromnej ilości mocy obliczeniowej?
Najprostsza odpowiedź brzmi: Claude przestaje być wyłącznie chatbotem odpowiadającym na krótkie pytania. Coraz większa część wykorzystania modeli Anthropic dotyczy Claude Code, agentów programistycznych, analizy dużych zbiorów danych oraz długich procesów wykonywanych przez AI. Takie zadania są znacznie bardziej kosztowne obliczeniowo niż wygenerowanie kilku akapitów tekstu. Agent może przez kilkanaście lub kilkadziesiąt minut analizować repozytorium, pisać kod, uruchamiać testy, poprawiać błędy i ponownie wykonywać obliczenia. Każdy kolejny krok oznacza kolejne użycie GPU, a miliony użytkowników wykonujących takie zadania jednocześnie tworzą gigantyczne zapotrzebowanie na infrastrukturę.
Reuters wskazuje, że Anthropic jeszcze stosunkowo niedawno podchodził ostrożnie do podpisywania gigantycznych umów infrastrukturalnych. Dario Amodei obawiał się sytuacji, w której firma zakontraktuje dziesiątki miliardów dolarów mocy, zanim powstanie wystarczający popyt. Sytuacja zmieniła się wraz z gwałtownym wzrostem wykorzystania Claude i Claude Code. Firma zaczęła zabezpieczać moce u wielu dostawców jednocześnie, między innymi AWS, Microsoft, Nscale, Lambda i SpaceX. To sugeruje, że największym problemem przestaje być obecnie znalezienie klientów na AI, a coraz częściej staje się nim znalezienie wystarczającej ilości sprzętu i energii, aby tych klientów obsłużyć.
Jak duże będzie centrum danych w Teksasie obsługujące Anthropic?
Kampus Beacon Point w hrabstwie Nueces jest projektowany jako infrastruktura klasy gigawatowej. Hut 8 poinformował w maju 2026 roku o pierwszej umowie obejmującej 352 MW mocy IT, a w lipcu o kolejnym kontrakcie tej samej wielkości. Łącznie oznacza to 704 MW zakontraktowanej mocy w dwóch fazach kampusu. Dla porównania nie mówimy tutaj o poborze energii przez cały kompleks biurowy czy fabrykę elektroniki, lecz o mocy przeznaczonej głównie dla sprzętu obliczeniowego znajdującego się w serwerowniach. Sam pierwszy etap obejmuje sześć hal danych i ponad 500 akrów terenu.
Hut 8 podaje, że centrum ma być projektowane zgodnie z architekturą Nvidia DSX przeznaczoną do budowania ogromnych fabryk AI. Jedna z 352-megawatowych umów leasingowych ma podstawową wartość około 9,8 mld dolarów przez 15 lat, a obie fazy podniosły bazową wartość kontraktów na kampusie do około 19,6 mld dolarów. Jeśli wykorzystane zostaną wszystkie opcje przedłużenia, potencjalna wartość umów może przekroczyć 50 mld dolarów. Pokazuje to, że sam budynek i energia stają się aktywami liczonymi obecnie w wartościach kojarzonych jeszcze niedawno z całymi koncernami technologicznymi.
Dlaczego Nvidia jest największym wygranym wyścigu o GPU?
Każdy kolejny kontrakt Anthropic pokazuje, że nawet jeśli nazwy dostawców chmury się zmieniają, w centrum bardzo często pozostaje Nvidia. Lambda korzysta z jej GPU, Nscale ma wdrożyć systemy Vera Rubin, a centrum Hut 8 jest projektowane według architektury Nvidia DSX. Reuters Breakingviews szacuje, że Nvidia kontroluje ponad 80 proc. szeroko rozumianego rynku zaawansowanych GPU wykorzystywanych w centrach AI, a sam sprzęt może odpowiadać za około 60 proc. kosztu budowy infrastruktury obliczeniowej. To sprawia, że każdy wzrost popytu na modele automatycznie przekłada się na zapotrzebowanie na akceleratory, sieci, pamięć i pozostałe elementy ekosystemu Nvidii.
Znaczenie Nvidii wykracza już jednak poza sprzedaż chipów. Firma inwestuje w dostawców infrastruktury, uczestniczy w finansowaniu centrów danych i podpisuje wieloletnie umowy leasingowe. W przypadku projektu Hut 8 media wskazują, że Nvidia jest ważnym elementem struktury najmu, podczas gdy Lambda i Anthropic wykorzystują powstałą moc obliczeniową. Taka pozycja sprawia, że Nvidia może zarabiać na kilku poziomach jednocześnie - od sprzedaży układów, przez sieci i systemy serwerowe, po udział w rozwoju całego rynku chmurowego. Krytycy zwracają jednak uwagę, że coraz bardziej skomplikowane powiązania finansowe utrudniają ocenę, ile popytu wynika bezpośrednio z końcowego wykorzystania AI, a ile jest efektem wzajemnego finansowania rozwoju ekosystemu.
Czy 35 mld dolarów to największy kontrakt infrastrukturalny Anthropic?
Nie. Jeszcze większą pojedynczą umową ujawnioną w ostatnich tygodniach jest kontrakt z brytyjskim dostawcą Nscale. Według Reutersa Anthropic ma wydać około 45 mld dolarów przez sześć lat na wynajem mocy w powstającym centrum danych w Zachodniej Wirginii. Projekt ma zapewnić około 460 MW mocy i wykorzystywać systemy Nvidia Vera Rubin, czyli kolejną generację platformy obliczeniowej po Blackwell. Infrastruktura ma zacząć dostarczać moc w 2027 roku. Sama wartość kontraktu pokazuje, że firmy AI zaczynają kupować compute z kilkuletnim wyprzedzeniem, podobnie jak linie lotnicze rezerwują przyszłe dostawy samolotów.
Jeszcze większą skalę pokazuje partnerstwo z Amazonem. Anthropic ogłosił w kwietniu, że zamierza przeznaczyć ponad 100 mld dolarów w ciągu dziesięciu lat na technologie AWS i zabezpieczyć do 5 GW nowych mocy. Firma wykorzystuje przy tym nie tylko GPU Nvidii, ale również własne akceleratory Amazona Trainium. Anthropic poinformował, że korzysta już z ponad miliona chipów Trainium2 do trenowania i obsługi Claude. Strategia jest więc wielotorowa - firma nie chce uzależniać całego rozwoju od jednego dostawcy układów ani jednego operatora chmury, ponieważ przy obecnej skali nawet największy partner może nie być w stanie dostarczyć wystarczającej ilości mocy.
Dlaczego Anthropic korzysta jednocześnie z AWS, Nvidii, SpaceX i innych dostawców?
Dywersyfikacja infrastruktury zmniejsza ryzyko, że rozwój Claude zatrzyma się z powodu niedostępności konkretnego rodzaju sprzętu albo jednej lokalizacji. Anthropic pozostaje bardzo mocno związany z Amazonem, ale jednocześnie zabezpiecza GPU Nvidii przez zewnętrznych dostawców i rozwija współpracę z innymi producentami chipów. Firma podpisała również umowę ze SpaceX, która według Reutersa ma kosztować około 1,25 mld dolarów miesięcznie do maja 2029 roku. Anthropic informował w maju, że nowe zasoby pozwoliły zwiększyć limity dla użytkowników Claude Code i API, co pokazuje bezpośredni związek pomiędzy fizyczną dostępnością infrastruktury a tym, ile AI może otrzymać klient.
Firma współpracuje również z AMD oraz producentami pamięci. Micron poinformował w czerwcu o umowie infrastrukturalnej z Anthropic obejmującej pamięć i systemy storage, a jednocześnie zainwestował w firmę. Tom Brown, współzałożyciel Anthropic odpowiedzialny za compute, podkreślał, że strategia infrastrukturalna obejmuje cały stos technologiczny, ponieważ wydajność modeli zależy nie tylko od samego GPU. Nowoczesny serwer AI potrzebuje ogromnych ilości pamięci HBM, bardzo szybkiej sieci, pamięci masowej i zasilania. Wyścig o GPU jest więc w praktyce wyścigiem o cały ekosystem komponentów, bez których najdroższy akcelerator nie jest w stanie efektywnie pracować.
Co oznacza 350 MW mocy dla jednego projektu AI?
Moc liczona w setkach megawatów pokazuje, jak bardzo zmieniła się fizyczna skala branży technologicznej. Typowy użytkownik widzi Claude jako stronę internetową lub aplikację, ale za każdym zapytaniem stoi infrastruktura składająca się z tysięcy serwerów, systemów chłodzenia, urządzeń sieciowych i transformatorów. 350 MW oznacza moc porównywalną z zapotrzebowaniem dużego zakładu przemysłowego lub znacznej części miasta. Przy planowanych kampusach gigawatowych mówimy już o obiektach, dla których dostęp do sieci energetycznej staje się jednym z podstawowych czynników decydujących o lokalizacji inwestycji. Hut 8 musi w Teksasie budować między innymi dedykowaną infrastrukturę podstacji energetycznych.
Energia staje się więc zasobem równie strategicznym jak sam chip. Firma może mieć pieniądze na zakup tysięcy akceleratorów, ale jeśli nie znajdzie miejsca, w którym można dostarczyć setki megawatów prądu i odprowadzić ogromną ilość ciepła, sprzęt pozostanie bezużyteczny. Dlatego nowe centra danych powstają między innymi w Teksasie, Zachodniej Wirginii, Argentynie oraz innych regionach posiadających duże zasoby energetyczne i dostępne grunty. Reuters opisywał ostatnio rosnące zainteresowanie Patagonią, gdzie firmy technologiczne widzą połączenie chłodnego klimatu, energii odnawialnej i gazu z Vaca Muerta. Wyścig AI coraz mocniej wpływa więc również na geografię inwestycji energetycznych.
Dlaczego Claude Code tak mocno zwiększa zapotrzebowanie na GPU?
Klasyczny chatbot może otrzymać jedno pytanie, wygenerować odpowiedź i zakończyć pracę. Agent programistyczny działa zupełnie inaczej. Claude Code może analizować tysiące plików, wykonywać polecenia w terminalu, czytać wyniki testów, poprawiać kod i kontynuować pracę przez wiele kolejnych iteracji. Jedna sesja może więc generować dziesiątki albo setki razy więcej obliczeń niż krótka rozmowa tekstowa. Im bardziej autonomiczne stają się narzędzia AI, tym dłużej modele pozostają aktywne w odpowiedzi na pojedyncze polecenie użytkownika. To jeden z powodów, dla których rosnące wykorzystanie agentów może radykalnie zwiększyć globalne zapotrzebowanie na compute nawet bez podobnego wzrostu liczby samych użytkowników.
Anthropic sygnalizował już praktyczne skutki ograniczeń infrastrukturalnych. Po podpisaniu umowy ze SpaceX firma mogła podwoić część limitów pięciogodzinnych Claude Code, znieść ograniczenia w godzinach szczytu dla niektórych planów i zwiększyć limity API dla modeli Opus. To rzadko dostrzegany element ekonomii AI: limity produktu nie zawsze są wyłącznie decyzją marketingową. Mogą wynikać z tego, ile GPU jest aktualnie dostępnych i ile firma może przeznaczyć na jednego użytkownika bez przeciążenia systemu. Jeżeli agenci będą wykonywać coraz dłuższe zadania, zapewnienie odpowiedniej ilości infrastruktury może stać się jednym z głównych czynników decydujących o konkurencyjności modeli.
Czy gigantyczne kontrakty na GPU mogą stworzyć bańkę inwestycyjną?
Ryzyko istnieje, ponieważ firmy podpisują dziś umowy warte dziesiątki miliardów dolarów na moce, które będą wykorzystywane przez wiele kolejnych lat. Jeżeli popyt na usługi AI będzie rósł zgodnie z oczekiwaniami, taka strategia może okazać się koniecznością. Jeśli jednak wzrost przychodów spowolni albo nowe generacje chipów radykalnie zwiększą efektywność obliczeń, część obecnych zobowiązań może stać się kosztownym obciążeniem. Reuters zwraca uwagę, że Anthropic jeszcze niedawno właśnie tego się obawiał i unikał części ogromnych kontraktów infrastrukturalnych. Dopiero gwałtowny wzrost popytu skłonił firmę do zmiany strategii.
Drugie pytanie dotyczy wzajemnych powiązań pomiędzy firmami. Nvidia inwestuje w dostawców chmurowych, dostarcza im chipy, może uczestniczyć w leasingu centrów danych, a następnie infrastruktura jest wynajmowana firmom AI, w które Nvidia również może inwestować. Zwolennicy takiego modelu argumentują, że producent GPU po prostu przyspiesza rozwój całego ekosystemu. Krytycy mówią o ryzyku finansowania cyrkularnego, w którym trudno ocenić, jaka część wartości powstaje dzięki końcowym klientom, a jaka dzięki wzajemnym inwestycjom firm działających w tym samym łańcuchu. Nvidia odrzuca określanie swojej strategii jako circular financing, ale temat staje się coraz ważniejszy dla inwestorów.
Czy Nvidia może utrzymać dominację, gdy firmy AI wydają dziesiątki miliardów na własne chipy?
Dominacja Nvidii jest dziś bardzo silna, ale właśnie astronomiczne koszty GPU tworzą największą zachętę do szukania alternatyw. Amazon rozwija Trainium, Google posiada TPU, Microsoft projektuje własne akceleratory, a największe laboratoria AI budują zespoły odpowiedzialne za niestandardowe układy. Reuters informował, że również Anthropic tworzy Custom Silicon Team i nawiązuje współpracę z firmami projektującymi nowe procesory. Jeżeli firma wydaje dziesiątki miliardów dolarów rocznie na infrastrukturę, nawet niewielka poprawa efektywności własnego chipu może oznaczać miliardy dolarów oszczędności.
Nie oznacza to jednak, że zastąpienie Nvidii będzie szybkie. Przewagą firmy nie jest wyłącznie wydajność pojedynczego GPU, ale cały ekosystem CUDA, sieci NVLink, systemów serwerowych, bibliotek oraz narzędzi wykorzystywanych od lat przez programistów AI. Reuters Breakingviews określa produkty Nvidii wręcz jako potencjalny odpowiednik baryłki ropy dla rynku obliczeniowego - standardowy zasób, którego cena może stać się punktem odniesienia dla całej branży. Powstają już nawet instrumenty finansowe oparte na cenach wynajmu GPU. To pokazuje, że moc obliczeniowa zaczyna funkcjonować nie tylko jako technologia, ale również jako nowa klasa strategicznego aktywa.
Czy kontrakt Anthropic za 35 mld dolarów pokazuje, jak będzie wyglądał kolejny etap wyścigu AI?
Najprawdopodobniej tak. Pierwszy etap boomu generatywnej AI był wyścigiem o najlepszy model językowy. Kolejny stał się wyścigiem o użytkowników, aplikacje i agentów. Obecnie coraz wyraźniej zaczyna się trzeci etap - walka o fizyczną infrastrukturę pozwalającą obsłużyć miliardy coraz bardziej złożonych zadań. Anthropic nie kupuje 35 mld dolarów mocy dlatego, że spodziewa się takiego samego wykorzystania Claude jak obecnie. Firma zakłada, że AI będzie wykonywała znacznie większą część programowania, analiz, badań i pracy biurowej, a pojedynczy użytkownik będzie konsumował wielokrotnie więcej obliczeń niż dzisiaj.
Skala tych zobowiązań pokazuje również, jak wysoko ustawiono poprzeczkę dla nowych konkurentów. Jeszcze kilka lat temu dobrze finansowany startup mógł trenować ambitny model, wynajmując ograniczoną liczbę GPU. W świecie kontraktów za 35, 45 i ponad 100 mld dolarów dostęp do kapitału, energii i długoterminowych rezerwacji infrastruktury staje się barierą wejścia równie ważną jak talent badaczy. Nvidia, Amazon, Microsoft, operatorzy centrów danych i producenci energii zaczynają być częścią tego samego wyścigu. Jeżeli przewidywania Anthropic się sprawdzą, pytanie nie będzie brzmiało, czy świat potrzebuje tak wielu GPU, lecz jak szybko można zbudować kolejne gigawaty mocy, zanim ponownie zabraknie compute.
