Anthropic 周三证实，该公司正在组建一支内部“定制芯片团队”来为Claude设计芯片——这是该公司首次公开承认其自6月初以来一直在秘密推进的专有硬件计划。这一经TechCrunch证实的公告标志着一个战略转折点：Anthropic不再仅仅是外部芯片合作伙伴产品的使用者，而是正在转型为芯片设计商。
此次公告之所以不仅仅是一则招聘消息，关键在于Anthropic所描述的方法论。该公司发言人证实，该项目将遵循软硬件协同设计策略——这意味着芯片与Claude模型将同步开发，彼此影响对方的架构设计。这种方法已被苹果用于其M系列芯片，也被谷歌用于其张量处理单元(TPU)，正是因此，定制芯片才能实现现成硬件无法企及的效率提升。围绕Claude特定计算模式设计的芯片，可将每个晶体管专用于Claude实际运行的操作，如Transformer注意力机制、矩阵乘法、键值缓存管理，从而消除了英伟达GPU在处理其从未设计用于支持的工作负载时必须承担的通用计算开销。
其经济逻辑不言而喻。据博通首席执行官Hock Tan透露，由博通专门为OpenAI打造并于6月24日发布的 Jalapeño 推理芯片，在早期测试中与标准GPU推理相比，每token成本节省了约 50%。Anthropic的运营规模与此相当——服务着数十万企业客户和数百万个人用户。在如此大的规模下，一款针对Claude服务模式进行优化的芯片，每年可节省数亿美元的成本。
该项目同时也隐含着对架构的押注。专用集成电路(ASIC)是为特定类别的运算而设计的，制造完成后无法重新编程。围绕Claude模型开发专用芯片，意味着Anthropic确信Claude底层的Transformer架构，在其核心计算模式上，将保持足够稳定，足以证明在芯片过时之前进行设计投资是合理的。这是一种有意义的工程承诺，而不仅仅是一项成本优化举措。
协同设计对Claude的实际意义
“软硬件协同设计”这一术语所蕴含的技术分量，远比乍看之下更为深远。在传统的芯片采购模式中，企业购买硬件，例如英伟达(Nvidia)的GPU、谷歌的TPU或亚马逊的Trainium，然后编写软件在这些硬件上运行。硬件定义了可能实现的功能，而软件则随之适应。软硬件协同设计则颠覆了这种关系：芯片从一开始就是根据软件的要求来构建的。
对于AI推理加速器而言，协同设计意味着芯片的内存布局、数据流架构和精度格式都经过了精细调优，以精准匹配Claude推理框架最常执行的操作。将Claude的计算图映射为硬件指令的编译器，是与芯片的寄存器架构同步开发的，而非事后补救。当模型的推理工作负载能够直接用芯片的原生指令集表达，而非通过Nvidia的CUDA这类抽象层，效率提升将呈倍增效应：内存传输次数减少、每个token的延迟降低，以及每瓦特吞吐量更高。
这就是为什么Anthropic的招聘启事明确表示，正在寻找具有“软硬件跨领域”经验的工程师——而不仅仅是芯片设计师。定制芯片团队的招聘启事特别要求候选人具备“成功推出芯片”的经验，并且“能够在没有大型组织支持的情况下从容做出关键决策”，这表明这是一个精干的高级团队，而非传统大型组织中的芯片项目。这种定位也解释了薪酬水平：该公司为芯片工程师提供的年薪在32万美元至48.5万美元之间——这一薪资既反映了能够协同设计AI加速器的工程师确实稀缺，也体现了在该规模下做出架构决策所需的高级资历。
Clive Chan于2026年6月初加入Anthropic，负责该新兴项目的技术领导工作。Chan是OpenAI专用芯片团队聘用的第二位硬件工程师，他于2024年1月从特斯拉的Dojo超级计算机项目加入OpenAI——在特斯拉期间，他负责Autopilot深度学习基础设施的相关工作，包括GPU优化和训练基础设施。在OpenAI期间，他负责Jalapeño矩阵乘法架构及硬件性能分析工作，随后转投Anthropic这个尚处于起步阶段的项目。在X平台的一则公告中，Chan表示自己已准备好“从山脚开始攀登一座新山”，这准确描述了OpenAI芯片(已进入原型阶段)与Anthropic芯片(现已正式命名但尚未设计)之间的工程差距。
推理成本问题究竟有多严重
推动Anthropic进行芯片投资的经济压力已持续积聚多年。根据斯坦福大学HAI 2025人工智能指数，运行相当于GPT-3.5级别的模型，其每百万token的查询成本从2022年11月的约20美元，降至2024年10月的0.07美元——在约两年内下降了280多倍，这几乎完全得益于软硬件的优化。专为服务大型语言模型(而非训练模型)而设计的定制推理芯片，是推动这一成本曲线变化的主要驱动力。
在前沿AI规模下，其经济效益尤为显著。根据Tom's Hardware发布的TrendForce数据，2026年定制AI加速器的出货量预计将增长44.6%，约为通用GPU预计增长率16.1%的三倍——因为当产量足够高时，定制芯片的设计成本可以轻松摊销。对于可预测且稳定的工作负载而言，问题不在于专用集成电路(ASIC)是否比GPU更高效(它几乎总是更高效)，而在于查询量是否足够高，以证明设计投资的合理性。
以Anthropic报告的470亿美元年化营收运行率来看，答案是肯定的。据援引路透社报道的行业分析显示，在2纳米或3纳米等最先进工艺节点上开发一款先进AI芯片，目前成本约为5亿至7.5亿美元。以当前规模计算，这一数字相当于大约六到十周的营收。即使仅对Anthropic推理工作负载中的一小部分实现每token50%的成本削减，所产生的年度节省额也足以在芯片第一代生命周期内覆盖其设计成本。正是基于这一计算逻辑，目前每家主要AI实验室都在积极研发定制芯片。
英伟达在AI芯片市场的主导地位——按营收计算约占70%至80%——从绝对值来看并未减弱。但超大规模云服务商或前沿AI实验室部署的每一枚定制芯片，都意味着英伟达在该工作负载领域少了一笔销售额。对Anthropic而言，其动机在于掌控：掌控成本结构、性能路线图以及供应链。围绕Claude设计的芯片不会被第三方停产、调价或限制供应。
Anthropic在AI硬件竞赛中的定位
Anthropic正式进军芯片设计领域，距OpenAI于6月24日发布Jalapeño仅六周——这是一款与博通合作开发的定制推理处理器，从概念到可量产的设计图仅耗时九个月。OpenAI的做法高度依赖博通的设计专长和制造资源，这也是其开发周期异常短的原因。相比之下，Anthropic的项目似乎正在构建内部设计能力，而非依赖设计合作伙伴——这种方法虽然周期更长，但对最终架构的控制权可能更大。
谷歌的TPU项目是各大AI实验室中最成熟的定制AI芯片项目，十年来已历经七代迭代。每一代谷歌TPU都与谷歌下一代模型协同设计，编译器基础设施也会同步更新。Anthropic正在开启同样的循环，但并非从第七代起步，而是从零开始。
亚马逊的Trainium和Inferentia芯片负责处理AWS人工智能服务的训练和推理任务。Meta的MTIA加速器则处理Facebook和Instagram每天数十亿次的推理请求。微软的Maia 200部署在亚利桑那州和爱荷华州的数据中心，负责处理OpenAI GPT模型的推理任务，目前正与Anthropic进行初步洽谈，有望成为其第四种外部芯片选项。这五个项目呈现出相同的模式：定制推理芯片在生产规模下可将每token成本降低50%至67%，随着每日查询量达到数十亿次，这一数字已从工程领域的目标转变为经济上的必然趋势。
制造问题与长远规划
对于Anthropic而言，制造问题仍悬而未决。该公司已与三星电子就使用其2纳米代工工艺进行了初步探讨——具体而言是三星的SF2P节点，这是其2纳米架构的第二代性能优化版本，采用全栅极(Gate-All-Around)纳米片晶体管，相比上一代FinFET设计能提供更精确的电学控制。截至2026年初，三星SF2P工艺的良率已接近70%，但该良率水平在商业规模下的量产稳定性尚未得到验证。双方尚未签署任何制造协议。三星于2026年5月作为H轮投资者入股，这种财务关系可能为供应链谈判增添更多分量。
没有时间表、没有架构、没有制造合作伙伴——这正是关键所在
Anthropic并未透露其定制芯片何时可能投产的目标日期，也未披露架构细节，且尚未签署任何制造协议。对于处于该阶段的项目而言，这是正常的。一款尚未确定规格的芯片，无法负责任地承诺交付日期。
在现阶段，该项目最直接的成果比芯片本身更有价值：那就是能够设计出芯片的工程团队。Anthropic将聘请Clive Chan以及当前的招聘活动定位为该项目的第一阶段。按照业界自身的时间表，该项目最早也要在2028年至2030年间才能投入量产——这大致与得克萨斯州哈伯德数据中心园区(占地约2,800英亩， 150亿美元的项目，由摩根士丹利提供融资并获得谷歌担保，目标是实现1.6吉瓦的现场供电)将全面投入运营并需要工作负载来填补其容量。该园区的设计旨在支持一种异构计算集群架构：当前由合作伙伴的芯片处理生产任务，而随着自主研发芯片日趋成熟，则由自主芯片处理优化后的推理任务。
Anthropic明确表态的一点同样重要：自研芯片并非其合作伙伴关系的替代品。亚马逊Trainium、谷歌TPU、英伟达GPU 以及AMD的MI450 加速器(AMD承诺从2027年起投入50亿美元股权并提供2吉瓦的产能)仍是Claude当前运行的计算基础。自研芯片是面向未来的资产，而现有的合作伙伴关系则是当下的现实。
对于企业客户而言，其短期意义不在于芯片本身，而在于这一承诺所传递的信号：Anthropic已认定，对其计算栈进行垂直控制并非可有可无。该公司正在为芯片设计投入资金，而非坐等第三方芯片合作伙伴为Claude提供所需的硬件。运行Claude的长期成本走势——这一数字将决定Anthropic的定价在规模化后能否保持竞争力，以及随着计算成本的下降其利润率能否扩大——如今正在晶体管层面得到解决。