继OpenAI推出首款自研AI芯片后，另一家人工智能领域的领军企业Anthropic也在加速布局芯片领域。据行业消息，Anthropic正与三星展开接触，探讨合作开发定制化AI芯片的可能性。目前双方的合作仍处于初步探索阶段，尚未确定芯片的具体功能、性能参数以及如何整合到现有服务器和数据中心架构中。
有报道指出，双方的讨论涉及三星的2纳米制程工艺和先进封装技术，但这一细节尚未得到两家公司的正式确认。面对媒体询问，Anthropic仅表示，其算力战略仍将以多元化硬件架构为基础，包括谷歌、亚马逊和英伟达的芯片产品。
作为一家以模型研究和AI安全为核心的公司，Anthropic近年来不断深化与芯片产业的联系。2024年，该公司与亚马逊达成深度合作协议，亚马逊云科技成为其主要的云服务和训练合作伙伴，投资总额增至80亿美元。合作内容不仅限于将Claude模型部署在AWS服务器上，Anthropic还与亚马逊旗下芯片团队Annapurna Labs共同研发下一代Trainium芯片，其工程师直接参与底层内核开发和Neuron软件栈优化工作。
在扩大亚马逊合作的同时，Anthropic也在增加对谷歌TPU和英伟达GPU的使用规模。2026年，这种多供应商策略进一步加速。今年4月，该公司与谷歌和博通签署协议，将从2027年起获得数GW的下一代TPU算力；随后又宣布未来十年将在AWS技术上投入超1000亿美元，获取最高5GW的新算力。据统计，Anthropic已使用超过100万颗Trainium 2芯片进行模型训练和部署。
今年5月，Anthropic被曝与英国芯片初创公司Fractile接触，探讨采购其AI推理芯片的可能性。Fractile的技术特点是通过缩短存储与计算单元间的数据传输距离，降低大模型推理的延迟、功耗和成本。这表明Anthropic正在构建更加多元化的芯片供应链体系。
关于自研芯片的计划，最早可追溯到今年4月。当时有知情人士透露，Anthropic正在探索设计专用AI芯片，以应对芯片供应紧张和计算需求激增的挑战。不过该计划仍处于早期阶段，公司尚未确定具体架构，也未组建完整的芯片研发团队，最终仍可能选择继续采购第三方产品。据估算，开发一款先进AI芯片的初始投入约需5亿美元，若考虑软件适配、服务器设计和量产成本，实际投入将更高。
今年6月，Anthropic引进具有定制芯片经验的工程师Clive Chan，引发业界关注。Chan曾是OpenAI定制芯片项目的核心成员，参与过与博通的芯片合作计划，并在特斯拉负责Dojo和自动驾驶深度学习基础设施开发。虽然Anthropic未公布Chan的具体职责，但在自研芯片传闻背景下，这次人事变动被视为重要战略信号。
在芯片开发模式上，大模型公司通常采取"需求定义+专业协作"的方式。以OpenAI的首款自研芯片Jalapeño为例，该公司负责根据模型需求设计芯片架构，博通等合作伙伴则完成具体实现、流片和制造环节。这种模式既发挥了模型公司在算法和负载理解上的优势，又借助了半导体企业的专业制造能力。
三星之所以成为Anthropic的潜在合作伙伴，在于其能提供完整的产业链支持。作为少数具备先进制程晶圆制造、HBM高带宽存储和先进封装能力的企业，三星可以避免Anthropic协调多个供应商的复杂性。对三星而言，与Anthropic合作不仅能带来潜在订单，也有助于验证和展示其2纳米工艺等先进制造技术。
不过，这项合作仍面临诸多挑战。三星的先进工艺需要证明量产良率、成本控制和交付稳定性，Anthropic也需明确芯片规格和部署方案。即使达成协议，从需求定义到规模部署仍需较长时间。因此，短期内Anthropic仍需依赖英伟达、谷歌和亚马逊等现有供应商。
头部模型公司纷纷布局自研芯片，反映出算力需求已达到新量级。以Anthropic为例，其年化收入从2025年底的约90亿美元增至2026年4月的超300亿美元，年消费超百万美元的企业客户在两个月内从500多家增至1000多家。用户规模和调用量的快速增长，给Claude的基础设施带来压力，部分服务在高峰时段出现性能波动。
OpenAI同样面临算力挑战。该公司披露ChatGPT周活跃用户已超8亿，并计划与博通部署10GW的自研AI加速器和网络系统。对这类企业而言，芯片已从普通采购项目升级为影响增长速度和商业模式的核心资源。
自研芯片的主要优势在于降低成本和减少对供应商的依赖。OpenAI总裁Greg Brockman曾表示，公司永远无法快速获取足够算力。博通CEO也指出，客户对算力的需求似乎没有上限，这种紧张状态可能持续到2028年。模型公司掌握着大量运行数据，能够准确识别计算瓶颈所在，据此设计的专用芯片可能比通用GPU更适合核心任务。
OpenAI称，Jalapeño芯片的设计充分参考了ChatGPT等产品的特点，针对长上下文处理、实时推理等场景进行优化，强调低延迟、高吞吐量和能效比。不过，Anthropic的芯片计划仍存在不确定性，OpenAI的自研芯片也需通过实际部署验证性能优势。考虑到自研芯片的巨额投入，这种模式可能仅适用于少数头部企业。
