Anthropic接洽三星自研AI芯片，大模型公司集體“造芯”成趨勢

# Anthropic聯手三星自研AI芯片：大模型公司集體“造芯”成趨勢

人工智能初創公司Anthropic正與三星電子展開深度談判，計劃聯合開發一款專為其大模型設計的AI推理芯片。據估算，維持Claude等前沿模型千萬級日活用戶的推理，每天僅芯片折舊成本便可能高達數十萬美元。這種燒錢速度，讓這家由前OpenAI核心員工創立、以AI安全為使命的明星公司，不得不在融資之外尋找更根本的破局之道。答案指向自研AI芯片，而它選擇的盟友是渴望在AI代工領域彎道超車的三星。這一聯手，吹響了大模型公司集體從雲端下沉到硅基的衝鋒號。 Anthropic之所以跳出傳統芯片廠商的現成方案直接尋求自研，最直接的驅動力是推理成本的結構性痛點。通用GPU在處理海量矩陣運算時存在大量在AI任務中非必要的電路和功能，能效比遠未達到極限。據接近交易的人士透露，Anthropic的設想是剝離所有不必要的圖形渲染模塊，圍繞其自研的Claude模型稀疏激活機制，打造一款在特定模型推理時效能提升數倍的專用ASIC芯片。這不僅能大幅降低單次API調用的成本，更能使其擺脫對英偉達CUDA生態的路徑依賴，真正將硬件掌控在自己手中。 選擇三星則是一次精明的雙向奔赴。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，對於極度渴求內存帶寬的AI推理芯片而言，這一垂直整合能力具備致命吸引力。對三星來說，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不斷提出極端需求、共同定義下一代產品的理想合作伙伴，這是它在臺積電的陰影下實現代工崛起的重要契機。 將Anthropic的行動放到更大的版圖中觀察，就會發現這絕非孤例，而是一股正在席捲整個頭部大模型圈的集體覺醒。OpenAI的CEO山姆·阿爾特曼被曝正在全球範圍內為代號“Tigris”的芯片項目籌集鉅額資金，目標是建設能支撐超級智能的專屬芯片製造網絡，同時已與博通等合作開發定製推理芯片。谷歌的TPU早已是定製芯片的教科書案例，至今迭代至第五代，為其Gemini模型提供強大的專屬算力基座。微軟發佈的Maia 100芯片直接瞄準雲端AI負載，意在打破對英偉達GPU採購一家獨大的局面。Meta持續為推薦系統和生成式AI研發能效更優的MTIA系列芯片，亞馬遜的Trainium和Inferentia芯片則已大規模部署。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硅基世界劃下了自己的領地。 為什麼這些商業模式迥異、競爭關係錯綜複雜的公司會不約而同走向同一條路？答案在於它們共同面對的算力困境，這個困境有三層，層層遞進，把所有玩家都推向了自研芯片的窄門。最表層的是成本賬：一個前沿大模型在推理階段，每天僅芯片折舊就可能燒掉數十萬美元。當模型日活用戶突破千萬量級時，使用通用GPU意味著要為大量AI任務中用不到的電路和功能付費。自研芯片將這部分冗餘全部剔除，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，這關乎模型服務能否跑通商業閉環的生死線。 更深一層的是供應焦慮。英偉達的GPU交付週期動輒拉長到半年以上，產品節奏完全不受下游客戶控制。所有大模型公司都清楚一個冰冷的現實：把自己的技術命脈交給一家供應商，且這家供應商同時服務於所有競爭對手，這在戰略上不可接受。自研芯片未必能在性能上超越英偉達，但它至少提供了一張底牌——當外部供應出問題時，還有自己的產線可以頂上去。某種意義上，自研芯片的保險費屬性比它的技術價值更重要。 而最底層、也最具決定性的驅動力是算法與硬件的深度融合。過去，模型開發者只能被動適應現成芯片的架構約束；現在，頭部玩家開始反過來讓芯片為自己的模型量身定製。用芯片的思維做模型，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的成功已經證明這條路徑的威力：Gemini模型在TPU上的推理效率遠非移植到通用GPU上可比。所有大模型公司都想複製這種躍遷，這三重壓力層層疊加，把自研芯片從可選項變成了頭部玩家的必選項。 大規模造芯正引發芯片製造環節的權力重構。對於晶圓代工廠和設計服務商來說，一場盛宴才剛剛開始。臺積電無疑是最大贏家，其先進製程和CoWoS封裝幾乎成為所有AI自研芯片的必然選擇，訂單已排至數年之後。三星試圖憑藉內存-代工-封裝的一體化捆綁方案從臺積電口中奪食，Anthropic的接洽正是這一策略取得突破的潛在標誌。英特爾則祭出代工服務IFS和開放芯片互連標準，招攬希望避免臺積電獨大的玩家。與此同時，博通、Marvell等定製芯片設計服務商的估值飆漲，它們正在為多巨頭同時開發多款AI ASIC，享受著賣鏟子給造鏟人的雙重紅利。 然而，這場“造芯”運動也並非一條坦途。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。英偉達已築起了一道由硬件迭代速度、CUDA生態和NVLink互聯技術構成的堅固圍欄。黃仁勳不久前公開表示，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。他的底氣在於，英偉達正以兩年一代的頻率將性能成倍推升，這種蠻橫的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。 這股浪潮並非硅谷的專利。在大洋此岸，中國AI企業同樣在芯片自研的路上加速奔跑。百度走的是一條全棧自研之路，其崑崙芯系列AI芯片已迭代至第三代，7納米工藝、量產數萬片，不僅服務於文心一言的訓練與推理，更在智慧交通、工業互聯網等場景規模化落地。字節跳動的動作更為隱秘但同樣堅定，組建了數百人的芯片團隊，聚焦自研AI推理芯片和服務器專用芯片，目標直指其抖音推薦系統和豆包大模型的推理成本優化。華為的昇騰系列在外部制裁壓力下扛起了國產AI算力的重擔，昇騰910C在多項大模型推理基準測試中展現出對標國際主流產品的競爭力。阿里平頭哥的含光系列芯片、騰訊投資的燧原科技等也都在各自的路徑上持續投入。 這些中國玩家的造芯實踐，與OpenAI、Anthropic、谷歌們的動作在底層邏輯上並無二致——都是在試圖擺脫對單一供應商的依賴，都是在用算法定義硬件的反向整合邏輯，都是在為下一階段的模型競爭儲備算力主權。區別只在於路徑不同：美國企業多走與博通、臺積電等成熟夥伴聯合定製的路線，中國企業則在技術封鎖的環境中被迫走出一條更加全棧、更加自主的突圍之路。 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。從成本控制到供應安全，從算法優化到生態構建，掌握芯片主權意味著掌握未來的主導權。這場從雲端到硅基的遷徙不僅關係到算力主權的掌握，更將決定下一階段AI競爭的格局。儘管道路崎嶇充滿風險，但對於頭部大模型公司而言，自研芯片已從可選項變成了必選項——不是說每家公司都能成功，而是不試的代價已經大到無法承受。