В компании Broadcom сообщили о дальнейшем развитии стратегического партнерства с Google в производстве будущих модификаций чипов для искусственного интеллекта, а также о расширенном соглашении с одним из наиболее успешных ИИ-стартапом Anthropic, разрабатывающим большие языковые модели Claude, которое предусматривает предоставление вычислительных ресурсов на основе ИИ-чипов Google следующего поколения с суммарной мощностью около 3,5 ГВт для обучения и интерференса LLM-моделей Claude.

В вычислительных ресурсах, ввод в эксплуатацию которых запланирован на 2027 год, будут использованы тензорные процессоры (Tensor Processing Unit, TPU) компании Google, а также собственные сетевые компоненты Broadcom. Соглашение с Google продолжает долгосрочную договоренность о разработке и поставке компанией Broadcom специализированных процессоров TPU следующих поколений, которые и станут основой для будущих TPU‑решений Google, включая системы мощностью 3,5 ГВт для Anthropic и других нагрузок.

Как сообщили в Broadcom, компании заключили также соглашение о гарантированных поставках, согласно которому Broadcom будет поставлять вплоть до 2031 года сетевые и другие компоненты для использования в ИИ-стойках следующего поколения Google. По оценкам аналитиков, стратегическое партнерство может сумммарно принести Broadcom более 80 млрд долл., а доход от сотрудничества с Anthropic — 21 млрд долл. в 2026-м и 42 млрд долл. – в 2027 году.

Потребление Anthropic расширенных вычислительных ресурсов для ИИ будет зависеть от дальнейшего коммерческого успеха компании, полагают эксперты, отмечая, что это вряд ли станет проблемой, поскольку популярность чат‑бота Claude в этом году резко возросла. В феврале это приложение стало лучшим бесплатным приложением в App Store в США. В Anthropic сообщили, что прогнозируемый объем продаж компании в 2026 году должен превысить 30 млрд долл. по сравнению с 9 млрд долл. в 2025-м.

В Anthropic пояснили, что запускают Claude на различных платформах — AWS Trainium, TPU Google и графических процессорах Nvidia, чтобы адаптировать рабочие нагрузки к наиболее подходящим для них чипам, повысить производительность и отказоустойчивость при выполнении критически важных задач.