继 OpenAI 发布首款自研 AI 芯片后，Anthropic 亦加速向芯片领域延伸。据 The Information 报道，Anthropic 正与三星接洽，探讨由后者代工定制 AI 芯片的可能性。目前双方仍处于早期探索阶段，芯片的具体用途、性能指标及集成方案尚未确定。
部分媒体推测，合作可能涉及三星的 2 纳米制程及先进封装技术，但 Anthropic 与三星均未予确认。Anthropic 方面强调，包含谷歌、亚马逊和英伟达芯片在内的多元化硬件架构，仍是其算力战略的核心组成部分。
Anthropic 持续扩展芯片供应链
尽管外界常将 Anthropic 视为专注于模型研究与 AI 安全的公司，但其与底层芯片的联系早已超越单纯的算力采购。
深化与亚马逊合作
2024 年，Anthropic 宣布深化与亚马逊的合作，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。双方合作不仅限于将 Claude 部署于 AWS 服务器，更延伸至芯片底层优化：Anthropic 工程师与亚马逊 Annapurna Labs 团队共同开发下一代 Trainium 芯片，编写底层内核并参与 Neuron 软件栈开发，以提升芯片整体性能。
(来源：亚马逊)
构建多平台算力策略
与此同时，Anthropic 正扩大对谷歌 TPU 和英伟达 GPU 的使用规模。2026 年，这一扩张进一步加速：
- 今年 4 月，Anthropic 与谷歌、博通签署协议，将于 2027 年起获得数 GW 的下一代 TPU 算力；
- 随后扩大与亚马逊合作，计划未来十年在 AWS 技术上投入超 1,000 亿美元，获取最高 5GW 新算力。目前，Anthropic 已使用超 100 万颗 Trainium 2 芯片进行 Claude 的训练与部署；
- 5 月，Anthropic 被曝接触英国芯片初创公司 Fractile，探讨采购其 AI 推理芯片，旨在通过缩短存储与计算单元距离，降低大模型推理的延迟、功耗及成本。
随着算力需求激增，Anthropic 正逐步形成多平台策略：根据训练、推理和部署任务的不同特性，灵活选择最合适的芯片供应商，避免单一依赖。
自研芯片计划浮出水面
Anthropic 考虑自研芯片的消息最早可追溯至今年 4 月。路透社当时援引知情人士称，为应对供应紧张及增长的计算需求，Anthropic 正探索设计自有 AI 芯片。不过，该计划当时尚处早期，未确定具体架构或组建完整团队，最终仍可能选择继续采购第三方产品。
报道称，开发一款先进 AI 芯片需投入约 5 亿美元，若计入软件适配、服务器设计及量产成本，总投入将更为巨大。因此，当时的 Anthropic 更多是在评估战略选项。
然而，6 月 Anthropic 引进了 Clive Chan。作为 OpenAI 定制芯片项目的早期核心成员，Chan 曾参与 OpenAI 与博通的合作计划，并在特斯拉负责过 Dojo 及自动驾驶深度学习基础设施工作。在自研传闻背景下，此次引援被视为 Anthropic 推进芯片战略的重要信号。
（来源：社交媒体 X）
为何选择三星？
大模型公司的“自研芯片”通常指定义用途与架构，再由专业半导体公司协助设计、流片、制造及封装。OpenAI 首款自研芯片 Jalapeño 即采用此模式，由博通等伙伴负责落地。
对 Anthropic 而言，三星的吸引力在于其能提供相对完整的产业链支持。三星不仅拥有先进制程晶圆厂，还覆盖 HBM 高带宽存储和先进封装等关键环节。相比协调多家供应商，与具备全链路能力的三星合作效率更高。
对三星而言，Anthropic 亦是极具价值的潜在客户。面对台积电在先进 AI 芯片订单上的强势表现，三星希望凭借 2 纳米工艺、HBM 及先进封装能力争取头部客户，以验证并展示其制造实力。
不过，合作仍存变数。三星先进工艺的量产良率、成本及交付稳定性尚待考验，Anthropic 也未确定最终规格。即便达成协议，从定义到规模部署仍需漫长周期。短期内，Anthropic 仍将依赖英伟达、谷歌和亚马逊等现有供应商。
模型巨头争相自研芯片的动因
OpenAI 与 Anthropic 转向自研芯片，根本原因在于其算力需求已突破传统想象规模。
算力成为核心瓶颈
以 Anthropic 为例，其年化收入从 2025 年底的约 90 亿美元激增至 2026 年 4 月的 300 亿美元以上；年消费超 100 万美元的企业客户在两个月内翻倍至 1,000 多家。用户量与调用量的爆发式增长给基础设施带来巨大压力，部分服务在高峰时段已出现性能波动。
OpenAI 同样面临挑战，ChatGPT 周活跃用户已超 8 亿，公司计划与博通部署 10GW 的自研 AI 加速器及网络系统。数据表明，芯片已成为直接影响头部模型公司增长速度与商业模式的核心资源。
降本增效与自主可控
在此规模下，自研芯片主要有两大优势：一是降低推理成本，二是减少对供应商的依赖。
OpenAI 总裁 Greg Brockman 曾坦言，公司永远无法足够快地获取算力。博通 CEO Hock Tan 也表示，客户的算力需求如同无底洞，这种紧张状态可能持续至 2028 年。
此外，模型公司掌握着真实的运行数据，清楚计算瓶颈所在。基于真实负载定制的芯片，往往比通用 GPU 更高效。例如，OpenAI 的 Jalapeño 芯片针对 ChatGPT、Codex 等产品的长上下文处理、实时推理及高并发场景进行了深度优化，旨在实现更低的延迟、更高的吞吐量及能效比。
目前，Anthropic 的芯片计划仍存在不确定性，OpenAI 的 Jalapeño 也需经实际部署验证其性能与成本优势。自研芯片投入巨大，并非所有模型公司都能复制此路径。
参考链接：
- https://www.reuters.com/business/anthropic-weighs-building-it-own-ai-chips-sources-say-2026-04-09/
- https://www.theinformation.com/articles/anthropic-talks-samsung-manufacture-custom-ai-chip
- https://www.anthropic.com/news/anthropic-amazon-trainium
- https://www.anthropic.com/news/anthropic-amazon-compute
- https://www.koreaherald.com/article/10797311
- https://www.aboutamazon.com/news/aws/aws-trainium-graviton-ai-chips-explained
- https://www.theinformation.com/articles/openai-broadcom-custom-chip-jalapeno
- https://www.alphamatch.ai/blog/openai-chip-employee-2-leaves-anthropic-2026
排版：胡莉花
注：封面/首图由 AI 辅助生成