|
继 OpenAI 发布首款自研 AI 芯片后，造芯Anthropic 也在加速向底层硬件领域延伸。片还 据 The 芯片Information 报道，Anthropic 正与三星接洽，工程探讨由后者参与制造一款定制 AI 芯片。造芯目前双方仍处于初步探索阶段，片还Anthropic 尚未确定芯片的芯片具体用途、性能指标，工程也未明确其将如何集成至服务器和数据中心。造芯 部分媒体指出，片还讨论涉及三星的芯片 2 纳米制程及先进封装技术，但 Anthropic 和三星均未正式确认。工程面对媒体询问，造芯Anthropic 仅强调，片还包含谷歌、芯片亚马逊和英伟达芯片在内的多元化硬件架构，仍将是其算力战略的核心组成部分。 Anthropic：从模型研究到供应链深耕过去，Anthropic 主要被视为一家专注于模型研究与 AI 安全的公司，但实际上，其与芯片底层的联系早已超越单纯的算力采购。 深化与亚马逊的硬件绑定2024 年，Anthropic 宣布深化与亚马逊的合作。亚马逊云科技（AWS）成为其主要云服务及训练合作伙伴，亚马逊对 Anthropic 的总投资额增至 80 亿美元。 这一合作并非简单的 Claude 模型部署。Anthropic 与亚马逊旗下芯片团队 Annapurna Labs 共同开发并优化下一代 Trainium 芯片。Anthropic 工程师直接编写与芯片交互的底层内核，并参与亚马逊 Neuron 软件栈开发，以提升 Trainium 的整体性能。
(来源：亚马逊) 多平台算力扩张策略与此同时，Anthropic 持续扩大对谷歌 TPU 和英伟达 GPU 的使用。2026 年，这种扩张进一步加速：
随着算力规模扩大，Anthropic 正形成一套多平台策略：根据训练、推理和部署的不同需求，灵活选择最合适的芯片，而非依赖单一供应商。 自研芯片计划：从传闻到落地Anthropic 考虑自研芯片的消息最早可追溯至今年 4 月。 早期探索与战略评估路透社当时援引知情人士称，Anthropic 正在探索设计自己的 AI 芯片，以应对供应紧张和计算需求增长。当时该计划尚处早期，未确定具体架构，也未组建完整团队，最终可能仍选择采购第三方产品。 报道指出，开发一款先进 AI 芯片需投入约 5 亿美元，加上软件适配、服务器设计及量产成本，实际投入更为巨大。因此，当时 Anthropic 更多是在评估一项战略选择，而非启动确定的产品计划。 关键人才引入：挖角 OpenAI 核心成员今年 6 月，Anthropic 引进了 Clive Chan。Chan 是 OpenAI 定制芯片项目的早期核心成员，曾参与 OpenAI 与博通合作的芯片计划。在加入 OpenAI 前，他曾在特斯拉参与 Dojo 及自动驾驶深度学习基础设施相关工作。 尽管 Anthropic 未公布 Chan 的具体职责，但在自研芯片传闻频出的背景下，引进拥有定制芯片经验的工程师，被视为其硬件战略的重要信号。
(来源：社交媒体 X) 从设计到制造：为何选择三星？回到与三星的接洽。大模型公司的“自研芯片”通常并非独立完成所有环节，而是由模型公司定义架构，半导体公司协助设计、流片、制造和封装，服务器厂商负责系统集成。 OpenAI 的首款自研芯片 Jalapeño 即采用此模式：OpenAI 基于对模型和负载的理解设计芯片，博通等合作伙伴负责转化为可生产部署的系统。
(来源：OpenAI) 三星的吸引力对 Anthropic 而言，三星的优势在于提供相对完整的产业链支持： 三星的动机对三星而言，Anthropic 是极具吸引力的潜在客户。近年来，台积电占据大量先进 AI 芯片订单，三星希望通过 2 纳米工艺、HBM 和先进封装能力争取更多头部客户。与 Anthropic 合作不仅能带来潜在订单，也有助于验证和展示其先进制造能力。 挑战与现状目前，该合作仍处于探索阶段。三星的先进工艺需接受量产良率、成本和交付稳定性的考验；Anthropic 也未确定芯片规格和部署方式。即使达成协议，从需求定义到规模部署仍需时间。因此，Anthropic 短期内仍将依赖英伟达、谷歌和亚马逊等现有供应商。 巨头为何纷纷自研芯片？OpenAI 和 Anthropic 向自研芯片靠拢，核心驱动力在于算力规模的指数级增长。 规模压力与成本考量
芯片已成为影响增长速度和商业模式的核心资源，而非普通采购项目。自研芯片主要优势在于： OpenAI 总裁 Greg Brockman 坦言，OpenAI 永远无法足够快地获取算力；博通 CEO Hock Tan 也表示，客户算力需求如“无底洞”，紧张状态可能持续至 2028 年。 定制化优势：数据驱动的精准优化模型巨头掌握大量运行数据，清楚哪些计算最频繁、瓶颈所在。基于真实负载设计芯片，往往比通用 GPU 更适合核心任务。 OpenAI 指出，Jalapeño 芯片的设计充分参考了 ChatGPT、Codex 及未来智能体产品的特点，包括长上下文处理、实时推理、多轮交互和高并发场景。芯片针对推理阶段深度定制，强调低延迟、高吞吐量和能效比，旨在比通用 GPU 更高效地运行实际负载。 不确定性依然存在目前，Anthropic 的芯片计划仍存在较大不确定性，OpenAI 的 Jalapeño 也需经过实际部署验证其性能、稳定性和成本优势。此外，自研芯片研发投入巨大，并非每家模型公司都能复制。 参考文献： 排版：胡莉花 |
