Anthropic接洽三星自研AI芯片，大模型公司集体“造芯”成趋势

文 | 极新

当Claude展现出惊人的长文本理解能力，其背后的算力消耗同样惊人。据估算，维持Claude等前沿模型千万级日活用户的推理，每天仅芯片折旧成本便可能高达数十万美元。这种烧钱速度，让Anthropic这家由前OpenAI核心员工创立、以AI安全为使命的明星公司，不得不在融资之外，寻找一条更根本的破局之道。答案指向了自研AI芯片，而它选择的盟友，是渴望在AI代工领域弯道超车的三星。这一联手，吹响了大模型公司集体从云端下沉到硅基的冲锋号。

Anthropic的芯片野望

据外媒披露，Anthropic已与三星电子展开深度谈判，核心议题是开发一款专为其大模型设计的AI推理芯片。这并非一次简单的商业采购，而是一场涵盖架构定义、制造工艺与高带宽内存集成的全面技术合作。消息一出，业界震动，因为这意味着大模型公司对算力的焦虑，已从软件层面的“提示词优化”、“模型蒸馏”，延伸到了物理层面的晶体管电路设计。

Anthropic之所以跳出传统芯片厂商的现成方案，直接寻求自研，最直接的驱动力是推理成本的结构性痛点。通用GPU在处理海量矩阵运算时，存在大量在AI任务中非必要的电路和功能，能效比远未达到极限。一位接近交易的人士透露，Anthropic的设想是，剥离所有不必要的图形渲染模块，围绕其自研的Claude模型稀疏激活机制，打造一款在特定模型推理时效能提升数倍的专用ASIC芯片。这不仅能大幅降低单次API调用的成本，更能使其摆脱对英伟达CUDA生态的路径依赖，真正将硬件掌控在自己手中。

而选择三星，则是一次精明的双向奔赴。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，对于极度渴求内存带宽的AI推理芯片而言，这一垂直整合能力具备致命吸引力。对三星来说，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，找到了一个能不断提出极端需求、共同定义下一代产品的理想合作伙伴，这是它在台积电的阴影下实现代工崛起的重要契机。

一场产业链的反向定义

将Anthropic的行动放到更大的版图中观察，就会发现这绝非孤例，而是一股正在席卷整个头部大模型圈的集体觉醒。

OpenAI的动作最为激进。其CEO山姆·阿尔特曼被曝正在全球范围内，为一项代号“Tigris”的芯片项目筹集巨额资金，目标是建设能支撑超级智能的专属芯片制造网络。与此同时，OpenAI已与博通等芯片设计巨头合作，开发定制化的AI推理芯片，并频繁与台积电接触。

如果说OpenAI的激进尚在情理之中——毕竟它站在大模型竞赛的最前沿，对算力成本和供应安全的痛感最为直接——那么当这份自研芯片的名单不断拉长，事情的性质就变了。谷歌的TPU早已是定制芯片的教科书案例，至今迭代至第五代，为其Gemini模型提供了强大的专属算力基座。微软去年年底发布的Maia 100芯片，直接瞄准云端AI负载，意在打破对英伟达GPU采购一家独大的局面。Meta虽自研芯片之路波折不断，但从未放弃，正持续为推荐系统和生成式AI研发能效更优的MTIA系列芯片。就连曾被传出放弃自研的亚马逊，其Trainium和Inferentia芯片早已大规模部署。从初创公司到云巨头，从搜索霸主到社交帝国，几乎每一个AI赛道上的重量级玩家，都在硅基世界里划下了自己的领地。

为什么这些商业模式迥异、竞争关系错综复杂的公司，会不约而同地走向同一条路？答案或许不在每家公司的个体战略里，而在于它们共同面对的算力困境——这个困境有三层，层层递进，把所有玩家都推向了自研芯片的窄门。

最表层的是成本账。一个前沿大模型在推理阶段，每天仅芯片折旧就可能烧掉数十万美元。当模型日活用户突破千万量级时，使用通用GPU意味着要为大量AI任务中根本用不到的电路和功能付费。自研芯片将这部分冗余全部剔除，哪怕能效只提升百分之二三十，按年度折算也是一笔足以改变财报成色的数字。按照目前的价格曲线，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。这不是锦上添花的优化，而是关乎模型服务能否跑通商业闭环的生死线。

更深一层的是供应焦虑。英伟达的GPU交付周期动辄拉长到半年以上，产品节奏完全不受下游客户控制。所有大模型公司都清楚一个冰冷的现实：把自己的技术命脉交给一家供应商，且这家供应商同时服务于你所有的竞争对手，这在战略上不可接受。自研芯片未必能在性能上超越英伟达，但它至少提供了一张底牌——当外部供应出问题时，你还有自己的产线可以顶上去。某种意义上，自研芯片的保险费属性，比它的技术价值更重要。

而最底层、也最具决定性的驱动力，是算法与硬件的深度融合。过去，模型开发者只能被动适应现成芯片的架构约束；现在，头部玩家开始反过来，让芯片为自己的模型量身定制。用芯片的思维做模型，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的成功已经证明了这条路径的威力：Gemini模型在TPU上的推理效率，远非移植到通用GPU上可比。当算法的每一步矩阵运算都能找到与之精确匹配的晶体管电路时，性能提升不是线性的，而是跃迁式的。所有大模型公司都想复制这种跃迁。

这三重压力层层叠加，把自研芯片从一个可选项，变成了头部玩家的必选项。不是说每家公司都能成功，而是不试的代价已经大到无法承受。

谁能承接这波造芯红利

大模型公司集体造芯，正引发芯片制造环节的权力重构。传统的芯片设计巨头如英伟达、AMD，需要重新审视这些昔日的客户正变成潜在的竞争对手。但对于晶圆代工厂和设计服务商来说，一场盛宴才刚刚开始。

台积电毫无疑问是最大赢家。其先进制程和CoWoS封装几乎成为了所有AI自研芯片的必然选择，订单已排至数年之后。而三星则试图凭借内存-代工-封装的一体化捆绑方案，从台积电口中夺食，Anthropic的接洽正是这一策略取得突破的潜在标志。英特尔则祭出其代工服务IFS和开放芯片互连标准，试图招揽那些希望避免台积电独大的玩家。与此同时，博通、Marvell等定制芯片设计服务商的估值飙涨，它们正在为多巨头同时开发多款AI ASIC，享受着卖铲子给造铲人的双重红利。

这场“造芯”运动也并非一条坦途。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。英伟达已筑起了一道由硬件迭代速度、CUDA生态和NVLink互联技术构成的坚固围栏。黄仁勋不久前公开表示，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。他的底气在于，英伟达正以两年一代的频率，将性能成倍推升，这种蛮横的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。

这股浪潮并非硅谷的专利。在大洋此岸，中国AI企业同样在芯片自研的路上加速奔跑。百度走的是一条全栈自研之路，其昆仑芯系列AI芯片已迭代至第三代，7纳米工艺、量产数万片，不仅服务于文心一言的训练与推理，更在智慧交通、工业互联网等场景规模化落地。字节跳动的动作更为隐秘但同样坚定，组建了数百人的芯片团队，聚焦自研AI推理芯片和服务器专用芯片，目标直指其抖音推荐系统和豆包大模型的推理成本优化。华为的昇腾系列在外部制裁压力下扛起了国产AI算力的重担，据公开信息，昇腾910C在多项大模型推理基准测试中展现出对标国际主流产品的竞争力。阿里平头哥的含光系列芯片、腾讯投资的燧原科技等，也都在各自的路径上持续投入。

这些中国玩家的造芯实践，与OpenAI、Anthropic、谷歌们的动作在底层逻辑上并无二致——都是在试图摆脱对单一供应商的依赖，都是在用算法定义硬件的反向整合逻辑，都是在为下一阶段的模型竞争储备算力主权。区别只在于路径不同：美国企业多走与博通、台积电等成熟伙伴联合定制的路线，中国企业则在技术封锁的环境中，被迫走出一条更加全栈、更加自主的突围之路。