Anthropic组建AI芯片团队，自研硬件加速Claude迭代

人工智能公司Anthropic日前宣布，正在组建一支专门的AI芯片设计团队，用于开发自有定制化芯片。这家以Claude系列大模型闻名于世的初创公司表示，将通过软硬件协同设计的方式，让模型与芯片深度适配，从而提升运行速度、降低能耗并优化整体性能。

从软件巨头到芯片玩家

长期以来，AI大模型的训练与推理高度依赖英伟达的GPU，尤其是H100等高端产品。然而，随着模型规模不断扩大，算力成本水涨船高，供应链不确定性也在加剧。Anthropic此次组建芯片团队，显然是在寻求从底层硬件层面建立长期竞争优势。

“我们相信，硬件的真正机会在于与模型设计的深度集成。通过共同设计，我们可以突破现有芯片的瓶颈，为下一代Claude模型创造更高的效率上限。”——Anthropic发言人

尽管该公司未透露具体芯片架构或量产时间，但业界普遍认为，这一举措将使其能够针对Transformer架构的特定计算模式进行优化，减少对通用GPU的依赖。

AI芯片军备赛白热化

Anthropic并非首个走上自研芯片之路的AI公司。谷歌早已通过TPU支撑其大模型训练；亚马逊旗下Annapurna Labs开发了Trainium与Inferentia芯片；OpenAI也在积极与博通合作，探索定制芯片方案。Meta同样不甘落后，推出自研MTIA芯片以强化推荐系统与生成式AI。

这些巨头纷纷自研芯片，背后逻辑惊人一致：当模型参数从千亿迈向万亿，通用芯片的功耗与成本将变得不可持续。定制芯片能剔除无用功能，专攻矩阵乘法、注意力机制等核心算子，从而将能效比提升数倍乃至一个数量级。

软硬件协同设计：大模型的下一站

Anthropic强调的“共同设计”理念，恰恰是当前AI工程领域最前沿的方向之一。传统模式下，芯片设计先行，模型再去适应硬件；而协同设计将反馈回路前置，让模型架构师与芯片工程师在同一项目中协作，实现编译器、算子库与模型层的联合优化。

这种模式并非没有挑战。芯片流片周期长、成本高昂，动辄数亿美元，且人才稀缺。Anthropic需要在软件迭代的快速节奏和硬件开发的漫长周期之间找到平衡。不过，一旦成功，定制芯片有望将Claude的推理成本大幅降低，从而在价格战中获得优势。

编者按

Anthropic的这一步棋，看似大胆，实则是AI竞争格局下的必然选择。当前，算力已成为决定模型能力上限的关键变量，而头部玩家都在争夺对算力栈的端到端控制权。值得注意的是，Anthropic的商业模式以企业级API和订阅服务为主，对推理效率的敏感度极高。

如果自研芯片能如期落地，Claude可以在更低成本下提供更长上下文、更快响应，这将直接影响产品体验和市场竞争力。然而，芯片开发充满不确定性，从设计到量产通常需要数年时间。在此期间，Anthropic仍将高度依赖英伟达等现有供应商。

可以预见，未来两年AI领域的竞争将不仅是模型算法的比拼，更是芯片、集群、数据中心等基础设施的综合较量。Anthropic能否借此跻身“软硬一体”的第一阵营，值得持续关注。

本文编译自TechCrunch。