Anthropic正在组建一支芯片设计团队，为其人工智能系统开发定制芯片。Business Insider最先报道了这一消息，Anthropic随后向TechCrunch证实了此事。招聘信息显示，公司正在为"定制芯片团队"（custom silicon team）招募具有芯片设计经验的工程师，这也是Anthropic首次公开承认其自研硬件的野心。

Claude的开发商表示，计划与硬件团队协同设计芯片与模型，以提升技术运行的速度和效率。这并非Anthropic首次被曝出自研芯片的计划。今年4月，路透社曾报道称，面对芯片短缺的压力，Anthropic正在考虑自行生产AI芯片，彼时这一想法尚处于设想阶段。到7月初，The Information的报道显示事态已推进：Anthropic与三星就芯片制造展开了接触，双方讨论的方向包括三星的2纳米制程工艺和先进封装技术。有报道还提到，Anthropic近期招揽了Clive Chan——此人曾是OpenAI自研芯片团队的早期成员之一。三星本身也是Anthropic近期650亿美元融资轮的战略投资方之一，同轮投资方还包括SK海力士和美光。

不过截至目前，芯片的具体用途、如何融入服务器架构、性能目标等关键细节仍未确定，报道称相关讨论仍处于早期阶段。对于三星合作的传闻，Anthropic方面没有正面确认，只是向媒体表示，包含谷歌、亚马逊和英伟达芯片在内的多元化硬件体系，仍将是公司算力策略的核心。

驱动Anthropic下场造芯的核心原因是供需矛盾。Claude的市场需求持续攀升，而英伟达GPU产能被普遍认为已排产至2027年，采购难度和成本双双上升。目前Anthropic已与AWS、谷歌、英伟达和AMD签署协议以获取AI计算硬件，训练层面则同时使用英伟达GPU、谷歌TPU和亚马逊Trainium三类芯片，且已宣布从2027年起在训练基础设施中引入由Alphabet与博通联合开发的新一代TPU。这一系列布局的共同逻辑是分散供应来源，避免受制于单一供应商，而非彻底转向某一方案。仅靠外部采购，显然难以支撑其扩张速度和成本控制的双重需求，自研芯片被视为进一步压低边际成本、提升硬件与Claude模型适配度的手段。

Anthropic并非孤例。今年6月，OpenAI发布了与博通合作打造的Jalapeño芯片，专为推理工作负载设计，是OpenAI在多年完全依赖英伟达之后首次涉足定制芯片，官方称其在早期测试中相比主流通用GPU具备更优的能效表现。谷歌DeepMind长期依赖Alphabet自研的TPU芯片驱动其AI模型，目前已迭代至第七代；亚马逊2019年推出Inferentia、2021年推出Trainium；Meta则一直在开发用于AI工作负载的MTIA加速器，主要用于推荐系统模型，并逐步扩展到生成式AI推理场景。行业分析普遍认为，这一模式已形成规律：当AI公司的营收和算力规模达到一定门槛后，自研芯片的经济账开始成立——即便前期芯片设计投入高达数亿美元，几年内也能通过效率提升收回成本。

对英伟达而言，短期内被完全替代的可能性不大，其GPU、CUDA生态、网络方案、软件工具链和集群设计能力仍难以复制，尤其在前沿模型训练和快速迭代的研究场景中依然是首选。但真正的压力来自于可预测、高体量的推理流量逐步被迁移到定制芯片上——如果Anthropic、OpenAI、谷歌、亚马逊、Meta等相继把稳定的推理负载转向自研硬件，英伟达在前沿训练市场的主导地位或许不受影响，但在大规模推理服务这一环节将面临更多分流压力。多份行业预测也指向同一方向：定制芯片与英伟达通用GPU并存的混合算力市场，将成为未来一段时间的主流格局，而非非此即彼的替代关系。

从现有信息看，Anthropic的芯片项目仍处于探索阶段，尚未确定芯片是面向训练、推理，还是两者兼顾，也未明确其将如何嵌入服务器架构、目标性能指标等关键参数。相比之下，OpenAI的Jalapeño定位更为清晰——一款专为推理工作负载设计、已进入测试阶段并计划于今年底前部署的产品。若Anthropic与三星的合作最终落地，讨论中提及的2纳米制程和先进封装技术，指向的更可能是一款兼顾能效与算力密度的推理芯片，这也与目前行业的普遍选择相符：多数公司的自研芯片首先落地在负载模式相对固定、可预测性更强的推理环节，训练芯片的自研门槛和风险仍然更高