OpenAI 刚刚发布首款自研推理芯片，Anthropic 随即被曝接触三星，探索自研 AI 芯片合作。两大头部大模型公司几乎同步将触角延伸至芯片领域，标志着 AI 竞争已从算法层深入至硬件供应链底层。
Anthropic 拟自研芯片并接洽三星代工
据 TechCrunch 援引 The Information 报道，Anthropic 已与三星接洽，探讨定制芯片合作事宜。目前该项目尚处早期，具体应用场景、部署方案及算力指标未定。
Anthropic 回应称，包含谷歌、亚马逊及英伟达芯片在内的多元化硬件架构仍是其计算战略支柱。这表明其并非要完全替代现有供应商，而是在多硬件架构基础上增加自定义能力，从单纯“购买算力”转向“定义算力”。
早在今年 4 月，路透社就曾报道 Anthropic 为应对先进 AI 系统芯片短缺，正探索设计自有芯片，但当时计划尚未定型。
招聘动向显露端倪
Anthropic 的招聘页面透露了更多细节。今年 2 月，该公司启动"Accelerator Platform"团队负责人招聘，旨在组建横跨硬件、分布式系统和 ML 基础设施的团队。其核心任务是将不同代际、不同供应商的芯片（如 TPUs、Trainium、GPUs）接入第一方推理集群，并将底层硬件差异抽象为稳定的平台能力。
此外，Anthropic 还在招聘 GPU 效能工程师，负责最大化 GPU 利用率，工作涵盖自定义内核开发、分布式系统架构及底层张量核心优化。这类人才储备是模型公司进入自定义芯片领域前的必要能力补齐。
为何此时加速自研？
需求激增是主要驱动力。Anthropic 今年以来持续扩张算力：4 月与谷歌、博通签署协议，锁定 2027 年起的多吉瓦级 TPU 容量；同月扩大与亚马逊合作，锁定最多 5GW 新容量，并已使用超 100 万颗 Trainium 2 芯片。
随着 Claude 从单一模型接口演变为企业级基础能力，用户量激增给基础设施带来巨大压力。当产品规模化后，推理请求量直接制约成本与供应确定性。竞争焦点已从“获取更多 GPU"转向“全栈调优”。
Anthropic 的动作也被视为对 OpenAI 的回应。6 月 24 日，OpenAI 联合博通发布首款自研推理芯片"Jalapeño"。该芯片专为大语言模型推理设计，由台积电制造，预计年底部署。OpenAI 强调，训练决定模型上限，而推理决定商业化成本下限。自研芯片可将模型架构、推理模式等软件理解直接写入硬件，显著降低单位 Token 成本。
AI 巨头为何纷纷押注自研芯片
通用 GPU 需服务全市场，而自定义芯片仅服务于特定核心负载。即便无法在所有任务上超越英伟达，只要能在高频推理场景中降低单位成本，即可重塑经济模型。自研芯片的目标并非全面“去英伟达”，而是通过多供应商策略升级，掌握更多主动权：
- 在供应紧张时增加额外产能入口；
- 将部分负载迁移至更适配自身模型的硬件；
- 在与云厂商、代工厂谈判时拥有更多筹码；
- 实现模型路线图与硬件路线图的长期协同。
Anthropic 接触三星的特殊意义在于绑定韩国半导体供应链。在 H 轮融资中，Anthropic 已将美光、三星和 SK 海力士列为战略基础设施伙伴。三星不仅是内存巨头，更是全球第二大芯片代工厂。若合作达成，意味着高带宽内存、逻辑芯片代工及先进封装等资源将被重新打包整合。
高带宽内存（HBM）已成为 AI 基础设施中最稀缺环节之一。报道称，AI 热潮引发的内存短缺可能持续至 2027 年末。OpenAI“星际之门”项目预计到 2029 年每月需 90 万片晶圆，约为当前全球 HBM 产量的两倍。Anthropic 此举意在提前锁定产能，保障算力供应安全。
然而，自研芯片并非捷径。设计一颗先进 AI 芯片成本高昂，且面临模型迭代过快导致硬件迅速过时的风险。未来几年，AI 巨头的芯片策略将是组合拳：英伟达 GPU 承担通用核心角色，云厂商芯片作为补充，而模型公司则在高频推理场景推进自定义芯片。
这场竞争的终局，是算力不再仅是后台成本，而是产品能力本身。谁能以更低成本、更稳定供应持续生产 Token，谁就能在模型价格、响应速度及毛利率上获得长期优势。Anthropic 与三星的接洽释放明确信号：大模型战争已深入供应链深处。