Anthropic 今天宣布正在组建一支专门的“定制芯片团队”，旨在设计 AI 专用芯片，以使其 Claude 模型运行得更快、成本更低。此举表明该公司意图减少对云巨头和 GPU 制造商的依赖，同时加强驱动其产品的软硬件协同闭环。

为什么现在需要芯片团队

自发布以来，Claude 一直依赖于由 AWS、Google Cloud、Nvidia 和 AMD 等组成的计算提供商组合，来提供推理所需的庞大 GPU 集群。这些合同助力了公司的快速增长，但 AI 计算需求的激增已使这种依赖变成了一种战略脆弱性。高端加速器的价格正在攀升，而产能限制可能会导致终端用户的延迟增加。通过设计与 Claude 数学工作负载相匹配的芯片，Anthropic 希望能够榨取通用 GPU 无法提供的速度提升和能源节省。

从多云架构转向协同设计

Anthropic 的新团队将采用软硬件协同设计的方法，围绕 Claude 执行的具体操作来构建芯片架构。在实践中，这可能意味着定制的矩阵乘法单元、更紧凑的片上内存，或能够减少每个 token 所需周期数的指令集。其回报将是更低的推理延迟和更低的单次查询功耗——这两个指标直接影响产品定价和用户体验。

该公司尚未披露时间表或性能目标，但业内传闻指出三星可能是潜在的代工厂合作伙伴。如果这一计划成真，Anthropic 将获得对供应链更多的控制权，从而避开公开市场上稀缺 AI 加速器所带来的“天文数字般的成本”。

大局观：向垂直整合转型

Anthropic 的芯片推进顺应了 AI 巨头们超越纯软件领域的更广泛趋势：

  • OpenAI 最近披露了一款名为 “Jalapeño” 的芯片，由 Broadcom 协助构建，旨在应对推理工作负载。
  • Google DeepMind 长期以来一直在其 Alphabet 内部开发的专用 Tensor Processing Units (TPUs) 上运行其最先进的模型。
  • Meta 继续迭代其 MTIA (Meta Training and Inference Accelerator)，以简化社交媒体和 AI 任务。

这些公司已经证明，拥有从数据中心到芯片的全栈技术，可以抵御供应瓶颈并获得定价优势。Anthropic 进入芯片设计领域表明，它认为同样的逻辑也适用于其自身的商业模式。

风险与反论

构建定制芯片是一场高风险的赌博。芯片开发周期长达数年，且耗资可能高达数十亿美元，远超典型的 AI 软件研发预算。架构或制造上的失误可能会推迟 Claude 的路线图，侵蚀市场份额，或迫使公司不得不以高价重新使用现成的 GPU。此外，设计、测试和量产 AI 芯片所需的专业知识非常匮乏，从成熟的半导体公司吸引人才可能极具挑战。

批评者还认为，定制芯片带来的性能提升可能是渐进式的而非变革性的，尤其是随着 GPU 厂商不断推出规模更大、效率更高的 AI 加速器。如果外部供应商能够以更低的风险提供相当的效率，Anthropic 的投资最终可能会变成一次代价高昂的绕路。

值得关注的动向

  • 制造合作伙伴的确认 —— 与三星等代工厂建立正式合作，将使该项目从概念走向芯片实现。
  • 原型基准测试 —— 将定制芯片与领先 GPU 进行比较的早期性能数据，将表明协同设计工作是否实现了预期的延迟降低和功耗节省。
  • 人才招聘 —— 新组建的芯片团队的规模和专业程度，将预示 Anthropic 打算以多大的力度与根深蒂固的芯片制造商展开竞争。
  • 对定价的影响 —— 如果定制硬件降低了单次查询成本，Claude 的订阅层级可能会变得更具竞争力，从而向仍依赖第三方硬件的对手施压。

Anthropic 的芯片雄心凸显了 AI 领域日益增长的一种信念：对于想要实现高效扩展的公司来说，控制硬件栈已不再是可选项。这一举措能否取得成功，将取决于执行速度、工程人才，以及将芯片层面的收益转化为 Claude 用户实际成本降低的能力。