AI大模型厂商之间的竞争正在向更底层的基础设施延伸。2026年7月初，据The Information援引多位知情人士消息，Anthropic已正式启动自研AI芯片的早期开发工作，并与三星电子就2nm制程工艺及先进封装技术展开洽商。与此同时，Anthropic还成功挖角OpenAI前芯片工程负责人Clive Chan加入其硬件团队。一系列动作表明，继OpenAI推出Jalapeño推理芯片后，Anthropic也决心在芯片供应链上掌握更多主动权。
Anthropic芯片计划的关键一步，是成功挖角了Clive Chan——一位在OpenAI芯片项目中担任核心架构师的技术专家。Clive Chan此前在OpenAI领导了Jalapeño推理芯片的早期架构设计，拥有从芯片规格定义到流片验证的全流程经验。他的离职与加盟Anthropic，意味着OpenAI与Anthropic的人才争夺已经从模型研究蔓延到了芯片工程领域。据知情人士透露，Clive Chan在Anthropic将担任定制芯片项目的首席架构师，直接向CEO Dario Amodei汇报。
除了Clive Chan之外，Anthropic还从苹果、AMD和高通等传统芯片设计公司招聘了近20名资深工程师，涵盖芯片架构设计、编译工具链开发和部署优化等多个方向。目前Anthropic的芯片团队已扩建至约80人，项目仍处于功能定义与性能指标规划阶段。公司未最终确定芯片的算力规格和服务器部署方案，但基本方向已经明确——开发一款针对推理场景高度优化的专用AI芯片（ASIC），与现有基于英伟达GPU和AWS Trainium的部署方案形成互补。
在代工合作伙伴的选择上，Anthropic目前已与三星电子进行了多轮接触。双方讨论的焦点集中在三星最新的2nm Gate-All-Around（GAA）工艺上。相比台积电的N3工艺，三星2nm GAA在晶体管密度和能效比方面具备理论上限优势。三星也正迫切需要一款高关注度的AI芯片代工大单来证明其先进制程的竞争力——此前三星在3nm节点的客户导入并不理想，AI推理芯片的大规模代工订单正是一张最好的名片。
然而，三星2nm GAA的量产良率仍然是个未知数。不同消息源指出，Anthropic也在与Marvell、Broadcom等芯片设计服务公司接触，为可能的备选方案做准备。Anthropic与三星的合作如果最终落地，将在英伟达GPU、AWS Trainium和谷歌TPU之外，开创另一条定制AI芯片的路线。对于Anthropic而言，自研芯片最直接的价值在于降低推理成本——在Claude系列模型的API调用量快速增长下，AI推理的算力成本已经成为Anthropic最大的单项支出，自研芯片有望在同等性能下将推理成本降低30%-50%。
Anthropic加码造芯将大模型厂商的芯片自主化浪潮推向了新的高度。回顾过去两年，OpenAI在2025年底推出Jalapeño推理芯片，微软通过自研Maia芯片与英伟达解耦，亚马逊Trainium芯片已在Anthropic训练集群中大规模部署。如今Anthropic也加入这一行列，几乎全球所有重量级AI模型公司都已经或正在推进自己的芯片计划。
这种"全员造芯"的趋势本质上源于AI推理成本的巨大压力。随着模型参数量从数千亿向万亿级迈进，GPU集群的采购和运营成本已占总运营费用的60%以上。定制芯片可以针对特定模型架构做深度优化，在性能功耗比上大幅领先通用GPU。对Anthropic而言，自研芯片的意义不仅在于降低成本，还在于建立技术壁垒——通过芯片层面的优化实现模型推理效率的差异化竞争优势。业内分析师预计，到2027年，全球主要AI模型公司将有超过70%部署自研或定制AI芯片，传统GPU供应商的议价权将在这一趋势下逐步被削弱。
从Anthropic的产品发展路线图来看，自研芯片的决策与其模型战略高度吻合。Anthropic的Claude系列模型一直以"长上下文处理"和"安全性"为核心差异化优势。Claude Sonnet 5在2026年6月发布后，Anthropic的数据显示其API调用量增长了超过140%，推理算力需求随之暴增。如果通过自研芯片将推理成本降低30%-50%，Anthropic就能在API定价上获得对OpenAI和Google的显著竞争优势，进而加速市场份额的争夺。
与此同时，自研芯片也将使Anthropic在模型训练环节获得更大的自主性。目前的训练集群高度依赖AWS Trainium和英伟达GPU，芯片产能和供应节奏完全受制于外部供应商。一旦自研芯片成熟并部署到训练和推理集群中，Anthropic的模型迭代速度将不再受外部芯片供货周期的限制，这对追求极速迭代的AI赛道而言是一个至关重要的战略优势。
Anthropic的入局使全球AI芯片的竞争格局变得更加复杂。在此之前，AI芯片市场的主要玩家是GPU巨头英伟达、云厂商自研芯片（Google TPU、AWS Trainium、微软Maia）以及AI公司自研芯片（OpenAI Jalapeño）三条主线。Anthropic加入"造芯俱乐部"后，竞争格局进一步分化。值得注意的是，Anthropic选择的2nm工艺路线比OpenAI Jalapeño的3nm更先进，如果三星2nm良率能达到预期水平，Anthropic将在制程密度和能效比上获得对OpenAI芯片的代际优势。
不过，AI芯片的竞争从来不只是制程工艺的比拼，编译器的成熟度、模型到芯片的联合优化、以及量产规模同样关键。对于Anthropic来说，最大的挑战不是"能不能造出芯片"，而是"能不能让芯片以可接受的成本大规模部署"。OpenAI的Jalapeño芯片从启动到量产预计需要2-3年，Anthropic的芯片时间表只会更长。即便一切顺利，Anthropic自研芯片最早也要到2028年才能实现规模化部署。在此之前，Anthropic仍将高度依赖英伟达和AWS的算力供应。