Anthropic 與三星電子正在就聯合開發一款定製 AI 推理芯片進行深入談判。這款芯片將專門針對 Anthropic 的 Claude 等大模型進行架構優化，標誌著大模型公司的競爭已從算法層面延伸至底層的硅基設計。
此次合作的核心目標是解決大模型推理成本的結構性痛點。據估算，維持前沿模型千萬級日活用戶的推理，每天僅芯片折舊成本就可能高達數十萬美元。通用 GPU 在處理 AI 任務時存在大量非必要電路，能效比遠未達到極限。Anthropic 的設想是剝離冗餘模塊，圍繞其模型的稀疏激活機制，打造一款能效提升數倍的專用 ASIC 芯片。這不僅能顯著降低單次 API 調用的成本，更能使其擺脫對英偉達 CUDA 生態的路徑依賴，將硬件掌控權收回自己手中。
選擇三星作為盟友，是一次雙向奔赴。三星擁有從芯片設計、晶圓代工到 HBM 高帶寬內存的一體化製造能力，這對於極度渴求內存帶寬的 AI 推理芯片而言，具備致命吸引力。對三星而言，贏得 Anthropic 這樣的前沿模型廠商作為客戶，意味著其 3 納米以下先進製程和 HBM 存儲器找到了一個能共同定義下一代產品的理想合作伙伴，這是其在臺積電陰影下實現代工崛起的重要契機。
Anthropic 的行動並非孤例，而是頭部大模型公司集體覺醒的縮影。OpenAI 被曝正為代號 “Tigris” 的芯片項目籌集鉅額資金，並已與博通等合作開發定製 AI 推理芯片。谷歌的 TPU 已迭代至第五代，為其 Gemini 模型提供專屬算力基座。微軟發佈了 Maia 100 芯片，瞄準雲端 AI 負載。Meta 持續研發 MTIA 系列芯片，亞馬遜的 Trainium 和 Inferentia 芯片也已大規模部署。從初創公司到雲巨頭，幾乎每一個 AI 賽道上的重量級玩家都在自研芯片領域劃下領地。
這股集體“造芯”浪潮的背後，是三重層層遞進的算力困境。最表層是成本賬，一枚自研 ASIC 的單位推理成本有望做到同代次 GPU 的四分之一到三分之一，這關乎模型服務的商業閉環。更深一層是供應焦慮，英偉達 GPU 交付週期長且產品節奏不受控，將自己的技術命脈交給一家同時服務於所有競爭對手的供應商，在戰略上不可接受。最底層的驅動力則是算法與硬件的深度融合，讓芯片為模型量身定製，用模型的需求定義芯片，這種軟硬一體的能力正在成為 AI 競爭的新護城河。谷歌 TPU 與 Gemini 模型的協同成功已證明了這條路徑的威力。
大模型公司集體造芯，正引發芯片製造環節的權力重構。臺積電憑藉先進製程和 CoWoS 封裝成為最大贏家，訂單已排至數年之後。三星試圖憑藉內存-代工-封裝的一體化方案從中奪食，Anthropic 的接洽正是這一策略的潛在突破。英特爾則祭出代工服務 IFS 和開放標準試圖招攬客戶。與此同時，博通、Marvell 等定製芯片設計服務商的估值飆漲，享受著賣鏟子給造鏟人的雙重紅利。
然而，這場造芯運動並非坦途。設計一款能與英偉達在軟件生態上匹敵的芯片，投入動輒數億美元，週期長達兩到三年，且充滿失敗風險。英偉達已築起由硬件迭代速度、CUDA 生態和 NVLink 互聯技術構成的堅固圍欄。其創始人黃仁勳曾公開表示，即便競爭對手的芯片免費，也未必比英偉達的綜合成本更低。英偉達正以兩年一代的頻率將性能成倍推升，這種演進節奏讓任何自研芯片一經落地就可能面臨落後的窘境。自研芯片更像是一場豪賭，是用今天的不確定去對沖明天受制於人的更大風險。
Anthropic 與三星的牽手，是大模型競爭從參數規模、多模態能力向算力主權延伸的里程碑。當最純粹的模型公司也開始親自下場定義芯片，AI 產業的垂直整合已然不可逆轉。這股浪潮並非硅谷專利，中國 AI 企業同樣在芯片自研路上加速奔跑。百度崑崙芯已迭代至第三代並規模化落地，字節跳動組建了數百人團隊聚焦自研推理芯片，華為昇騰系列在外部壓力下扛起國產 AI 算力重擔。這些實踐在底層邏輯上與海外巨頭並無二致，都是在試圖擺脫對單一供應商的依賴，為下一階段的模型競爭儲備算力主權。