Anthropic 与三星电子正在就联合开发一款定制 AI 推理芯片进行深入谈判。这款芯片将专门针对 Anthropic 的 Claude 等大模型进行架构优化，标志着大模型公司的竞争已从算法层面延伸至底层的硅基设计。
此次合作的核心目标是解决大模型推理成本的结构性痛点。据估算，维持前沿模型千万级日活用户的推理，每天仅芯片折旧成本就可能高达数十万美元。通用 GPU 在处理 AI 任务时存在大量非必要电路，能效比远未达到极限。Anthropic 的设想是剥离冗余模块，围绕其模型的稀疏激活机制，打造一款能效提升数倍的专用 ASIC 芯片。这不仅能显著降低单次 API 调用的成本，更能使其摆脱对英伟达 CUDA 生态的路径依赖，将硬件掌控权收回自己手中。
选择三星作为盟友，是一次双向奔赴。三星拥有从芯片设计、晶圆代工到 HBM 高带宽内存的一体化制造能力，这对于极度渴求内存带宽的 AI 推理芯片而言，具备致命吸引力。对三星而言，赢得 Anthropic 这样的前沿模型厂商作为客户，意味着其 3 纳米以下先进制程和 HBM 存储器找到了一个能共同定义下一代产品的理想合作伙伴，这是其在台积电阴影下实现代工崛起的重要契机。
Anthropic 的行动并非孤例，而是头部大模型公司集体觉醒的缩影。OpenAI 被曝正为代号 “Tigris” 的芯片项目筹集巨额资金，并已与博通等合作开发定制 AI 推理芯片。谷歌的 TPU 已迭代至第五代，为其 Gemini 模型提供专属算力基座。微软发布了 Maia 100 芯片，瞄准云端 AI 负载。Meta 持续研发 MTIA 系列芯片，亚马逊的 Trainium 和 Inferentia 芯片也已大规模部署。从初创公司到云巨头，几乎每一个 AI 赛道上的重量级玩家都在自研芯片领域划下领地。
这股集体“造芯”浪潮的背后，是三重层层递进的算力困境。最表层是成本账，一枚自研 ASIC 的单位推理成本有望做到同代次 GPU 的四分之一到三分之一，这关乎模型服务的商业闭环。更深一层是供应焦虑，英伟达 GPU 交付周期长且产品节奏不受控，将自己的技术命脉交给一家同时服务于所有竞争对手的供应商，在战略上不可接受。最底层的驱动力则是算法与硬件的深度融合，让芯片为模型量身定制，用模型的需求定义芯片，这种软硬一体的能力正在成为 AI 竞争的新护城河。谷歌 TPU 与 Gemini 模型的协同成功已证明了这条路径的威力。
大模型公司集体造芯，正引发芯片制造环节的权力重构。台积电凭借先进制程和 CoWoS 封装成为最大赢家，订单已排至数年之后。三星试图凭借内存-代工-封装的一体化方案从中夺食，Anthropic 的接洽正是这一策略的潜在突破。英特尔则祭出代工服务 IFS 和开放标准试图招揽客户。与此同时，博通、Marvell 等定制芯片设计服务商的估值飙涨，享受着卖铲子给造铲人的双重红利。
然而，这场造芯运动并非坦途。设计一款能与英伟达在软件生态上匹敌的芯片，投入动辄数亿美元，周期长达两到三年，且充满失败风险。英伟达已筑起由硬件迭代速度、CUDA 生态和 NVLink 互联技术构成的坚固围栏。其创始人黄仁勋曾公开表示，即便竞争对手的芯片免费，也未必比英伟达的综合成本更低。英伟达正以两年一代的频率将性能成倍推升，这种演进节奏让任何自研芯片一经落地就可能面临落后的窘境。自研芯片更像是一场豪赌，是用今天的不确定去对冲明天受制于人的更大风险。
Anthropic 与三星的牵手，是大模型竞争从参数规模、多模态能力向算力主权延伸的里程碑。当最纯粹的模型公司也开始亲自下场定义芯片，AI 产业的垂直整合已然不可逆转。这股浪潮并非硅谷专利，中国 AI 企业同样在芯片自研路上加速奔跑。百度昆仑芯已迭代至第三代并规模化落地，字节跳动组建了数百人团队聚焦自研推理芯片，华为昇腾系列在外部压力下扛起国产 AI 算力重担。这些实践在底层逻辑上与海外巨头并无二致，都是在试图摆脱对单一供应商的依赖，为下一阶段的模型竞争储备算力主权。