OpenAI vs Anthropic Compute Wars

该存储库包含一个关于前沿数据中心的站点支持数据集，以及一组将站点汇总到OpenAI和Anthropic计算时间表中的派生表。目标是便于检查基础数据、跟踪来源并打开图表，而无需深入研究工作文件。

This repository hosts a site support dataset concerning state-of-the-art data centers, as well as a set of derived tables that aggregate site data into the compute timelines of OpenAI and Anthropic. Its purpose is to enable straightforward inspection of the underlying data, traceability of its sources, and access to the associated charts without requiring users to delve into working documents.

原始信息汇总

OpenAI vs Anthropic Compute Wars 数据集概述

数据集简介

该数据集旨在追踪和汇总OpenAI与Anthropic两家公司在尖端数据中心计算能力上的发展时间线。数据集包含原始设施数据、时间线记录、模型发布信息以及由此衍生的汇总表格，便于用户直接查阅底层数据、追溯来源并查看可视化图表。

核心数据文件

• 主要设施表：data/raw/data_centers.csv。每行包含一个数据中心设施的详细信息、备注及来源链接。
• 设施时间线表：data/raw/data_center_timelines.csv。记录每个设施按日期排列的建设与发展时间线。
• 模型发布表：data/raw/openai_anthropic_major_model_releases.csv。用于图表叠加显示的OpenAI与Anthropic主要模型发布时间表。
• 参考数据目录：data/reference/。存放与主数据集配套的设备参考表。
• 公司容量汇总表：data/derived/company_capacity_by_snapshot.csv。按公司和快照日期汇总的、基于站点的计算容量数据。
• 可发布视图表：data/derived/openai_anthropic_publishable_view.csv。用于已发布图表的、经过整理的年度视图数据。
• 数据包目录：data/package/。包含源输入、衍生表和清单的自包含整合包。

可视化与访问

• 主静态站点入口：docs/index.html。
• 直接图表文件：docs/openai-anthropic-training-story.html。

数据来源与许可

• 主要数据来源：数据基于Epoch AI的“Frontier Data Centers”数据集。
• 代码许可：本仓库代码采用ISC许可证。
• 底层数据许可：Epoch AI的底层数据采用知识共享署名4.0国际许可协议。

引用信息

Epoch AI, "Frontier Data Centers"。在线发布地址：https://epoch.ai/data/data-centers。

搜集汇总

数据集介绍

构建方式

在人工智能基础设施研究领域，数据中心的追踪与分析构成了评估企业计算能力的关键基础。本数据集通过系统化地整合公开信息与第三方研究数据，构建了一套详实的前沿数据中心档案。其核心构建流程始于原始设施表格的编制，每一行记录均附有注释与来源链接，确保了数据的可追溯性。随后，通过独立的时间线表格，为每个设施的建设和扩容历程标注了具体日期，形成了动态的发展脉络。最终，结合主要模型发布的时间节点，数据集经过脚本驱动的衍生处理，生成了用于可视化分析的聚合视图，从而将分散的设施信息转化为结构化的公司级算力时间序列。

使用方法

对于希望利用该数据集的研究者而言，入门路径清晰而直接。用户可以从主设施表格入手，结合时间线数据理解每个数据中心的演变过程。模型发布表格则为分析算力增长与AI里程碑之间的关联提供了关键坐标。数据集内预生成的衍生视图，如按公司与快照日期汇总的容量表，可直接用于趋势分析与可视化。若需进行自定义分析或验证数据生成流程，项目提供的重建脚本能够完整复现从原始数据到最终输出的所有步骤。这种设计既支持开箱即用的分析，也鼓励基于原始数据的深度挖掘与扩展研究。

背景与挑战

背景概述

在人工智能领域，计算资源已成为驱动模型性能突破的核心要素。OpenAI与Anthropic作为前沿研究机构，其计算基础设施的扩张轨迹直接关联到大规模语言模型的演进能力。该数据集由Epoch AI团队构建，系统性地追踪并整合了双方数据中心的时间线及容量数据，旨在为学术界与产业界提供透明、可验证的计算资源分析基础。通过详实的设施记录与模型发布时间表，该数据集不仅揭示了计算竞赛背后的硬件支撑逻辑，也为评估AI发展轨迹中的资源投入与产出效率提供了关键参考。

当前挑战

该数据集致力于解决人工智能计算资源评估中的透明性与可比性难题，其核心挑战在于如何准确、动态地量化并比较不同机构间数据中心的计算容量。在构建过程中，研究者需克服数据来源的碎片化与异构性，确保每个设施的时间线记录与容量估算具备一致性与可追溯性。此外，随着计算技术的快速迭代与设施建设的持续扩张，保持数据集的时效性与覆盖完整性亦成为一项持续性的挑战，要求不断整合新的公开信息与专业报告以维持分析的可靠性。

常用场景

经典使用场景

在人工智能计算资源竞争日益激烈的背景下，该数据集为追踪OpenAI与Anthropic等前沿机构的数据中心建设与计算能力演进提供了结构化支持。研究者通过整合原始设施表格、时间线记录及模型发布信息，能够系统分析两家公司在硬件基础设施上的投入轨迹，从而揭示其计算规模扩张的动态模式。这一场景常用于评估企业战略资源部署，为行业竞争格局研究奠定数据基础。

解决学术问题

该数据集有效解决了人工智能领域中对计算资源量化评估的学术难题。通过提供详实的数据中心建设时间线与容量汇总表，研究者得以精确刻画计算能力的增长曲线，并关联模型发布事件，探讨硬件投入与算法突破之间的耦合关系。这不仅弥补了以往研究中对基础设施数据缺失的局限，更为计算经济学、技术竞争分析等跨学科议题提供了可靠的实证依据。

实际应用

在实际应用中，该数据集为投资分析、政策制定与行业咨询提供了关键参考。金融机构可依据计算能力的时间序列数据，评估人工智能企业的长期竞争力；政府部门能借此规划区域算力基础设施布局；而科技咨询机构则可通过对比OpenAI与Anthropic的资源分配策略，为客户提供战略洞察。这些应用凸显了数据集在连接学术研究与产业决策中的桥梁作用。

数据集最近研究

最新研究方向

在人工智能算力竞争日益激烈的背景下，OpenAI与Anthropic的计算资源扩张轨迹成为前沿研究焦点。该数据集通过整合前沿数据中心设施及其时间线，揭示了这两家领先机构在算力基础设施上的战略布局与演进模式。相关研究正聚焦于算力增长与大型模型发布之间的关联性，分析计算资源如何驱动人工智能性能的突破性进展。这一领域的热点事件包括全球数据中心建设的加速与能源消耗议题，其影响深远，不仅为政策制定和行业竞争提供量化依据，也促进了人工智能可持续发展路径的探讨。