編按：本文綜合整理自 Ars Technica、Business Insider、Reuters、SiliconANGLE、DataCenterDynamics 與 TheNextWeb，並加入 Siami 編輯部觀點與分析。
Anthropic 首次公開證實正在組建「Custom Silicon Team」——一支專門為 Claude 設計客製化 AI 晶片的內部團隊。這項消息由 Business Insider 於 8 月 5 日率先揭露,Ars Technica、Reuters、SiliconANGLE 等媒體隨即跟進,並獲得 Anthropic 發言人正面回應。這也是 Anthropic 第一次把過去半年來在矽谷半公開流傳的傳聞,正式搬上檯面。
計畫細節:挖角、招聘、共設計
根據 Anthropic 釋出的職缺,目前至少有兩個關鍵職位正在公開招募:Senior Silicon Engineer(資深矽晶工程師)與 Technical Program Manager, Silicon(矽晶技術專案經理)。徵才條件清楚寫明「需要有實際交付過晶片量產的經驗(shipped silicon)、對時程有現實感、能在沒有大型組織支援下做出關鍵決定」,並開出年薪 32 萬至 48.5 萬美元的條件。
Anthropic 發言人對外說明,這支團隊的任務是與 Anthropic 的 LLM 團隊**「共設計 (co-design)」客製化硬體**,讓 Claude「在客戶所需的規模下跑得更快、更有效率」。發言人同時強調,Anthropic 仍會維持「多晶片策略 (multi-chip approach)」,來自 AWS、Google、Nvidia、AMD 的硬體依然會是 Claude 推論與訓練的骨幹。
值得注意的人事訊息是:今年六月,前 OpenAI 自研晶片計畫主持人 Clive Chan 公開宣布跳槽至 Anthropic,並在 X 寫下「It’s time to build」。DataCenterDynamics 引述業界人士指出,Anthropic 這次公開確認某種程度上是 Chan 加入後的「成果展示」——團隊到位、願景成型,才對外攤牌。
為何現在?晶片短缺、Nvidia 槓桿與垂直整合紅利
Ars Technica 在報導中點出三個推動 frontier AI 實驗室自研晶片的結構性因素:
- Nvidia 槓桿過高:整個 AI 行業對 Nvidia 的依賴仍是戰略弱點,尤其在算力供給持續緊缺、需求遠超現有產能的環境下,任何對單一供應商的依賴都可能在擴張期成為瓶頸。
- 垂直整合的紅利:為特定模型量身打造晶片,並讓模型反向為硬體調整,理論上能榨出比通用 GPU 更高的每瓦效能、每美元吞吐量。OpenAI 已用 Jalapeño 證明這條路可行,Anthropic 沒有理由不跟進。
- 差異化競爭:當越來越多開發者開始用更小、更便宜、或開源權重的模型在自己的硬體或邊緣裝置上跑,Anthropic 必須確保其 frontier 模型在「客製化硬體」上能跑出對手難以複製的領先幅度。
Anthropic 也並非從零開始:過去該公司就與合作夥伴做過「共設計」,只是這次要把更多矽晶專業「帶回自家」,減少對外部設計夥伴的依賴。
對照組:OpenAI Jalapeño、Meta Iris、Google TPU
Anthropic 不是唯一走這條路的玩家。綜觀目前公開的 frontier AI 自研晶片計畫:
- OpenAI Jalapeño (2026 年 6 月 24 日發表):與 Broadcom 合作開發的 LLM 推論專用 ASIC,目標 2026 年底前首批部署,並計畫透過 Microsoft 等夥伴擴展到 GW 等級的資料中心規模。OpenAI 內部聲稱 Jalapeño 推論成本比現行 Nvidia GPU 低約 50%。
- Meta Iris:Meta 的 in-house AI 加速器,預計 2026 年 9 月進入量產。
- Google TPU:Google 長期使用自家 TPU 跑 Gemini,並已成為 Anthropic 的主要供應商之一。2026 年 4 月,Anthropic 與 Google、Broadcom 簽下覆蓋 2027 年起的數 GW TPU 算力長約。
- Amazon Trainium:AWS 自研 AI 晶片,Anthropic 也是採用客戶之一。
- Mistral:法國新創 Mistral 的執行長已公開表示正在評估自研晶片。
換言之,「模型公司自研晶片」已經從少數人的實驗,變成 frontier AI 實驗室的標配策略。
三星的角色:從謠言到 2nm 製程
Anthropic 自研晶片的代工夥伴是這次傳聞的另一條主線。The Information 在 7 月 3 日率先報導 Anthropic 與 Samsung Electronics 進行早期洽談,目標是採用 Samsung 的 SF2P 2 奈米製程 搭配先進封裝。Korea Herald 進一步指出,Anthropic 同時在與多家晶片設計公司接觸,顯示其在製程與夥伴選擇上仍保持彈性。
更值得注意的是商業層面的訊號:Samsung 已對 Anthropic 進行策略性投資(估值約 6,500 億美元),並擁有自家 HBM 高頻寬記憶體產線。若 Samsung 最終成為 Anthropic 的代工夥伴,將形成「一家供應商同時提供邏輯晶圓、HBM 與資料中心整合」的全棧合作模式——這是 Nvidia 體系外,目前少數能完整複製的方案。
為什麼這件事重要
對 AI 產業而言,Anthropic 加入自研晶片行列,代表 frontier AI 實驗室已正式進入「算力即護城河」的下半場。在模型差距逐步縮小(各家 frontier 模型在基準測試上互有領先)的情況下,底層硬體的單位經濟學將直接決定哪家 AI 實驗室能在不斷膨脹的 CapEx 下存活並維持毛利。
對 Nvidia 而言,雖然短期內 AI 實驗室仍會大量採購 GPU(OpenAI、Anthropic 的「多晶片策略」都是明證),但每一個自研晶片計畫都意味著未來 3-5 年內,Nvidia 在該客戶的算力佔比會逐步下降。Broadcom、Marvell 這類 ASIC 設計服務商,以及 Samsung、TSMC 兩家晶圓代工,將是這波結構性轉移的主要受惠者。
對台灣而言,TSMC 雖未在這波報導中被點名,但 Anthropic 仍高度依賴其代工的 Nvidia/AMD GPU、Google TPU;且台系供應鏈在 CoWoS 先進封裝、HBM 散熱、伺服器 ODM 等環節,都是這場「AI 硬體戰」不可或缺的後勤。若 Samsung 真的拿下 Anthropic 訂單,將是 Samsung Foundry 對 TSMC 的一次重大反擊。
數據解讀與質疑
從公開資訊計算,自研一顆先進 AI 晶片的成本約 5 億美元(Reuters 引述業界人士),這還不包含流片失敗、軟體棧移植、與模型共設計的反覆迭代。對比 Anthropic 2026 年初被報導的估值(6,500 億美元),5 億美元約佔其公司價值的 0.8%——對一家正在快速擴張的 AI 實驗室而言,這筆錢不算少,但若能換到長期算力成本下降 30-50% 的機會,NPV 仍極為划算。
不過,有三個現實問題需要被提出來:
- 時間差:Ars Technica 報導中已點出,Anthropic 目前還在招募核心成員,「不論是公司或用戶,都要等相當時間才會看到效益」。相較 OpenAI 的 Jalapeño 已是 6 月發表、年底前小量部署,Anthropic 的時程明顯落後至少 12-18 個月。
- 人才競爭:具備「shipped silicon」經驗的工程師,在當前是全球最稀缺的資源之一。Broadcom、Marvell、Nvidia、Apple、AMD 都在搶同樣的人。Anthropic 要同時和這些公司競爭,薪酬只是入場券,真正能吸引頂尖 IC 設計師的,是「能改變 AI 產業格局」的願景強度。
- 生態系依賴:即便自研晶片完成設計與量產,後續的 CUDA 替代軟體棧、開發者生態、與既有模型部署管線的整合,都是曠日廢時的工程。Anthropic 即使做出硬體,使用者是否願意為了「更便宜 30%」而放棄 Nvidia 的成熟生態?這仍是未知數。
短期內,Anthropic 的 Claude 仍會跑在大量 Nvidia H100/H200、AMD MI300X、Google TPU、AWS Trainium 之上。自研晶片要真正影響其成本結構,最快要到 2027 年底至 2028 年才會看到初步成果。
網友熱門留言 (3)