2026年8月5日，Business Insider披露人工智能公司Anthropic首次公开确认，正在组建内部“定制芯片团队”，为其大语言模型Claude开发专用AI处理器。Anthropic发言人在声明中表示，公司将采取“软硬件协同设计”策略，让芯片与Claude模型同步开发、相互塑造架构。

（Business Insider报道标题）

这种设计思路与苹果M系列芯片和谷歌Tensor Processing Unit（TPU）一脉相承。专为Claude计算模式定制的芯片，可以将每一个晶体管都用于transformer注意力机制、矩阵乘法、键值缓存管理等实际运算，从而消除英伟达GPU为兼容通用负载所承担的额外开销。

与此同时，Anthropic正在大规模招募芯片工程师。公司发布的职位列表显示，其寻求具备前端设计、预硅验证、物理设计、模拟与混合信号、封装与信号完整性等全链路经验的人才，年薪范围在32万美元至48.5万美元之间。职位要求候选人必须交付过硅片，并能在没有大型组织支撑的情况下做出关键架构决策，暗示这将是一支精干的高级团队，而非传统意义上的大规模芯片项目。

为何自研芯片？

Anthropic转向自研芯片的根本驱动力，是规模化推理带来的经济压力。根据Anthropic在2026年5月Series H融资公告中披露的数据，其年化收入运行率（run-rate revenue）已达到470亿美元，较2025年底的约90亿美元增长超过五倍，仅2026年4月至5月间就从约300亿美元跃升至470亿美元。

如此庞大的业务体量意味着天文数字级的推理开销。AI行业的一个基本现实是：训练模型需要一次性投入巨额算力，但服务海量用户的推理请求才是持续性的成本黑洞。每一次API调用、每一条聊天回复，都在消耗GPU计算资源。当每日查询量达到数十亿级别时，即使单个token的成本微乎其微，汇总起来也是一笔足以影响公司盈亏的巨额支出。

这正是定制ASIC（专用集成电路）的价值所在。与通用GPU不同，ASIC针对特定运算类别固化设计，制造后无法重新编程，但正因如此，它能将硅片面积和功耗全部投入到目标工作负载上，消除通用架构中大量闲置逻辑。

博通（Broadcom）首席执行官Hock Tan在2026年6月24日OpenAI发布Jalapeño芯片时透露，早期测试显示该定制推理芯片相较当前主流GPU可实现约50%的每token推理成本降低。虽然这一数据来自实验室环境、尚未经过独立第三方验证，但其方向性意义已经足够明确：在足够大的规模下，定制芯片的投资回报周期可能短得惊人。

Anthropic显然也意识到了这一点。公司明确表示，自研芯片并非要取代现有供应商，而是采取“多芯片策略”——亚马逊Trainium、谷歌TPU、英伟达GPU和AMD加速器仍将是其计算底座的核心组成部分。这种叠加式策略既保留了供应链的灵活性，又为未来预留了成本优化的空间。

此外，The Information在2026年7月报道称，Anthropic正在与三星电子就2nm代工工艺进行早期洽谈，三星在2026年5月参与了Anthropic的Series H融资，成为其“战略基础设施合作伙伴”之一。尽管目前尚未签署任何制造协议，且芯片的功能定位和规格远未确定，但这一动向表明Anthropic已经在为未来的供应链自主布局。

（The Information报道标题）

AI巨头的芯片竞赛

Anthropic自研芯片并非孤例。事实上，几乎所有头部AI公司和云厂商都已加入定制芯片的军备竞赛，一场围绕AI算力主权的结构性转移正在发生。

OpenAI走在了最前面。2026年6月24日，OpenAI与博通联合发布了其首款定制推理芯片Jalapeño，从概念设计到制造流片仅用时九个月，被双方称为高性能半导体领域最快的ASIC开发周期。该芯片由台积电以3nm工艺制造，采用全光罩尺寸设计，围绕大语言模型推理的内存访问模式和数据流特征进行了深度优化。OpenAI官方表示，公司动用了自己的AI模型来加速部分芯片设计流程。Jalapeño预计于2026年底在微软数据中心开始小规模原型部署，2027年进入量产爬坡阶段。

（博通首席执行官（右）将Jalapeño交付给 OpenAI 首席执行官）

谷歌的TPU项目则是行业中最成熟的定制AI芯片计划，至今已迭代七代、跨越十余年。每一代TPU都与谷歌下一代模型协同设计，编译器基础设施同步更新。亚马逊的Trainium和Inferentia系列分别承担AWS AI服务的训练与推理负载，而Meta的MTIA加速器则处理Facebook和Instagram每日数十亿次的推理请求。微软于2026年1月推出了Maia 200推理芯片，同样基于台积电3nm工艺，声称每美元性能比竞品高出30%以上，目前已部署于亚利桑那州和爱荷华州的数据中心。

这一浪潮正在改变市场格局。根据TrendForce的预测数据，2026年定制ASIC的出货量将同比增长44.6%，而通用GPU的出货增速约为16.1%——前者接近后者的三倍。市场研究机构MarketsandMarkets的分析指出，这是历史上首次出现定制ASIC增速超越商用GPU的情况，标志着AI算力市场从“GPU一统天下”向“GPU与ASIC双轨并行”的结构性转变。推理工作负载的可预测性，使得为特定模型固化设计的ASIC在经济性上具备了压倒性优势；而训练环节由于模型架构频繁迭代，仍需要GPU的灵活性作为支撑。