又一家 AI 巨头要自己造芯片了。据 Business Insider 报道，Anthropic 已经确认在组建自己的芯片团队，目标是为 Claude 这类模型设计专用硅片，而且明确提到要“让硬件和模型协同设计”。
这句话听着平淡，分量却不轻。因为它意味着，最后一家还主要靠外购算力的前沿大模型实验室，也走上了软硬一体化的路。
co-design hardware and models——Anthropic 对自家芯片计划的描述，等于把“为模型量身定做硬件”摆上了台面。
不是它想卷，是大家都卷完了
把时间线拉直了看，Anthropic 其实是“迟到者”。OpenAI 今年 6 月刚宣布要做自己的 AI 处理器；谷歌的 TPU 早就迭代到第七代（Ironwood），能单个超级舱扩到九千多颗芯片；亚马逊有 Trainium，微软有 Maia，Meta 的芯片家族也在逐年扩张。也就是说，在 Anthropic 之前，榜单上的名字基本人手一块自研硅片了。
Anthropic 这一步，更像是补票，而不是抢跑。
为什么非自己造不可
表面看是想少花点钱——长期大规模采购英伟达 GPU，账单确实吓人。但真正驱动大家的，是三件事。
- 算力自主权。英伟达几乎垄断了高端训练芯片，分配优先级、价格和供应都捏在别人手里，自研等于给自己留条后路。
- 软硬协同。通用 GPU 再强，也是为“通用”设计的；如果你的模型用了特定的注意力结构或专家混合方案，专门定制的芯片能在能效上甩开通用方案一大截。
- 把模型当成产品之后，算力栈本身就是护城河。谁掌握了从芯片到模型的整条链路，谁就少受供应商掣肘。
“协同设计”到底是什么意思
过去做 AI 的套路是：先想好模型长什么样，再去市面上找能跑它的 GPU。协同设计把顺序颠倒过来——让芯片的特长去塑造模型，也让模型的需求去塑造芯片。两边在同一个闭环里反复打磨，最终换来的往往是更好的每瓦性能，和更低的推理成本。
对 Anthropic 这种靠卖模型调用赚钱的公司来说，推理成本每降一点，利润空间就厚一点。这账不难算。
但造芯片不是写代码
理想很丰满，现实很磨人。从立项到流片要几年，资本开销是天文数字，量产前还得解决产能和软件生态——英伟达真正可怕的护城河不是芯片本身，而是 CUDA 那套让开发者离不开的工具链。Anthropic 的芯片就算造出来，也得自己把这套“让人愿意用”的功课补上。
所以这次官宣更像是一份战略宣言：前沿实验室的竞赛，已经从“谁的模型更聪明”，悄悄变成了“谁既懂模型、又握得住算力”。Anthropic 入场了，牌桌上的玩家又少了一个旁观者。
发表回复