中
◀ Back to feed
CNBC(转述《金融时报》)

Anthropic secures $3.4 billion generator deal for AI data centers, FT reports

Published 2026-11-08 Collected 2026-11-09 16:00 AI news #ai#industry
Full text

Anthropic has struck a deal worth about $3.4 billion to secure gas-fired power generators for data centers, the Financial Times reported on Sunday.

The AI startup bought commitments for 1.7 gigawatts of heavy-duty generators in late September from OnePWR Solutions, a San Antonio, Texas-based equipment supplier, the report said.

Anthropic did not acquire OnePWR itself, and none of the supplier's employees transferred to the AI startup, but the deal included engineering and construction capabilities needed to install the generators, the report added, citing a person familiar with the matter.

Reuters could not immediately verify the report and Anthropic and OnePWR did not respond to requests for comment.

Strong demand for Anthropic's Claude family of AI models has prompted the company to secure additional computing and power capacity. Reuters reported in September that Anthropic expects to spend more than $500 billion over the next 10 years building AI infrastructure.

Source
Title
Anthropic secures $3.4 billion generator deal for AI data centers, FT reports
Author
—
Site
CNBC(转述《金融时报》)
Published
2026-11-08
Collected
2026-11-09 16:00 · 2026-11-09-16-ai.json
Link
https://www.cnbc.com/2026/11/08/anthropic-generator-deal-ai-data-centers.html
Open original ↗

Reposted. Will be removed on request. All rights belong to the original author.

More from this batch

16:00batch · 2026-11-0912 items
>

Is Jensen Huang’s job on the line? Yale’s Jeffrey Sonnenfeld estimates it’s “about a 50-50”

After Nvidia’s board opened an independent investigation into Jensen Huang, Yale’s Jeffrey Sonnenfeld puts his odds of surviving at about 50…

TechCrunch
>

SplatAnything(浙大 3DV):给前馈式 3D 高斯重建加「高斯间距归一化」,同一个模型能处理任意尺度的场景

改进了什么:前馈式 3DGS 模型一步就能从几张图重建 3D 场景,但场景大小和视角一变,预测出的高斯点分布就失准,泛化差。靠什么:作者提出 Gaussian Spacing Normalization,把场景级的高斯间距统计量规范到统一尺度再预测,相当于先消掉「这个场景有多大」…

arXiv / Hugging Face Papers
>

网易有道 Confucius4-R2T2:不改模型结构,只用「最长稳定前缀」标签做后训练,让流式语音识别接近整句识别的准确率

改进了什么:流式语音识别为了低延迟要边听边出字,但已经吐出的字常常被后面的音频推翻重写,字幕一闪一闪,准确率也不如等整句说完再识别。靠什么:作者构造「最长稳定前缀」标签,只让模型学习输出那部分之后不会再变的文字,在现有模型上做后训练,不需要改架构。效果:论文称在低延迟下接近整句(…

arXiv / Hugging Face Papers
>

Video-Coder:让智能体写代码搭 3D 场景再渲染成视频,用执行结果和视频质量做强化学习奖励

改进了什么:直接用扩散模型生成视频很难精确控制物体位置、运动和镜头。靠什么:Video-Coder 换了一条路,让模型写并执行代码来构建动态 3D 场景,再渲染出视频;训练分两步,先监督微调,再用「代码能否执行」和「视频是否符合要求」两类奖励做强化学习。效果:论文称可控性明显优于…

arXiv / Hugging Face Papers
>

AgentBaton:智能体任务做到合适阶段就从强模型「交棒」给便宜模型,准确率不掉、API 成本大降

改进了什么:智能体全程用最强模型很贵,全程用小模型又容易失败。靠什么:作者发现任务前期规划交给强模型、后期执行交给高效模型,在合适的阶段交接就能保住准确率;他们训练了一个轻量检测器 AgentBaton,判断什么时候可以交棒。效果:论文称大幅节省 API 费用,并把准确率和成本的…

arXiv / Hugging Face Papers
>

P²-MOPD:多教师在线蒸馏时,把各个专家模型的参数当先验,学生恢复更快、各项能力更均衡

改进了什么:把多个领域专家模型蒸馏成一个学生模型时,常见的多教师在线策略蒸馏(MOPD)收敛慢,而且容易偏向某几个教师。靠什么:P²-MOPD 在在线蒸馏目标下同时优化教师的混合系数和学生权重,让专家模型作为参数先验参与初始化和约束。效果:论文称比 MOPD 恢复更快、能力更均衡…

arXiv / Hugging Face Papers
>

可灵团队 LongBanana:首个专家设计和校验的「长上下文多参考图合成」基准,考验智能体生图时能不能找对证据、拒绝干扰

这是个新基准,不是新模型:任务要求从大量分散的参考图里找到真正相关的视觉证据,排除干扰图,把人物、物体和关系对上,最后合成一张连贯的图。作者称这是首个由专家设计并逐题校验的此类基准,共 90 道精心构造的题目。它测的正是「智能体驱动的图像生成」里最容易出错的环节:多张参考图一多,…

arXiv / Hugging Face Papers
>

韩国 ETRI 开源无代码 AI 开发工具 TANGO 2:网页里点选就能用行业数据训练 LLM,并部署到云、内网服务器或端侧

韩国电子通信研究院(ETRI)11 月 9 日宣布开源 TANGO,这是一个把模型训练、优化、部署串成一条流水线的无代码工具,目标用户是工厂、医院、造船、农业等现场的非 AI 专家。TANGO 1 做视觉 MLOps,TANGO 2 扩展到生成式 AI 和 LLMOps,能用行业…

韩国 ETRI / 韩联社
>

花叔开源全球鸟类贴纸库:用 AI 为 AviList 2026 全部 11011 种鸟各画一张贴纸,带 43 种语言名称和结构化数据

作者「花叔」用 Claude Code、Codex 等工具批量生成并整理了全部 11011 种鸟的贴纸,附 43 种语言的鸟名和分类数据,配套网站 birdalbum.com 可以浏览。仓库说明写的是 CC BY 4.0(GitHub 未自动识别许可证),10 月 30 日创建,…

GitHub
>

kubai-icons:给 Claude Code、Codex 等编码智能体用的动画图标技能,附 2600 多个风格统一的开源图标

这是一个 agent skill:装进编码智能体后,它能按同一套风格画出带悬停动效的图标,并提供 2600 多个现成图标,支持 React、Vue 和 SVG,配有浏览网站 icons.kubai.design。11 月 3 日创建,约 420 星;GitHub 识别许可证为「其…

GitHub
>

集智俱乐部解读 Nature Communications:清华团队让数千个 LLM 智能体自由交友讨论政治,没有预设规则也会自发抱团、观点极化

清华电子系李勇团队 10 月发表在《自然·通讯》的论文,模拟数千个大模型智能体自己建立社交关系、讨论政治议题,结果在不预设任何极化规则的情况下,智能体自发形成同质化小圈子并出现观点极化,和人类社会的现象很像。作者认为这样的智能体网络可以当作研究舆论动态和干预手段的「合成试验场」。…

公众号 · 集智俱乐部
>

新智元解读 EMNLP 2026 论文 Auto-Robotist:让 LLM 智能体设计机器人,每次试错都沉淀成可复用的「设计技能」

密歇根大学团队的工作:智能体提出机器人形态,在仿真里训练控制器并评估,再把成功和失败的经验提炼成自然语言写成的设计技能,下一次设计直接调用,搜索过程因此越跑越快。论文已被 EMNLP 2026 主会录用并开源。它和最近很多「自进化技能库」的智能体思路一致,只是落在了机器人协同设计…

公众号 · 新智元(解读)