YOHO AI

标签： AI Chip

  • AMD 豪掷 50 亿美元投资 Anthropic，2GW 的 MI450 显卡就位

    这两天 AI 圈又有笔大钱落了地。AMD 在周三官宣，要往 Anthropic 投最多 50 亿美元，同时帮这家公司把算力盘子做大。作为交换，Anthropic 会用上最多 2 吉瓦（GW）的 AMD Instinct MI450 系列 AI 显卡，跑在 AMD 新推出的 Helios 机架级系统上。

    AMD 与 Anthropic 达成最高 50 亿美元战略合作
    AMD 将向 Anthropic 投资最多 50 亿美元，并部署 MI450 系列 AI 显卡。（图源：The Verge）

    光看数字可能没感觉，拆开说就明白了。2GW 是什么概念？大概相当于两座中等城市全年的用电峰值压进一堆机房里。Anthropic 计划先在 2027 年上半年把第一座 1GW 的集群点亮，剩下的后续铺开。这事儿最早是《华尔街日报》捅出来的，AMD 自己随后发了公告确认。

    “通过与 AMD 在全栈层面合作，我们既锁定了需要的算力容量，又能针对 Claude 的训练和推理做优化。” —— Anthropic 联合创始人、首席计算官 Tom Brown

    为什么是 AMD，而不是老朋友英伟达

    过去提到前沿模型的算力，大家默认就是英伟达的卡。Anthropic 虽然也不是纯英伟达阵营——它之前就搭过 Google 的 TPU、Amazon 的 Trainium——但 AMD 能拿下一家顶级实验室的”主粮”订单，意义不一样。MI450 是 AMD 今年力推的新一代 Instinct，配上 Helios 这种把计算、网络、散热打包好的机架方案，摆明了是要正面啃英伟达的蛋糕。

    对 AMD 来说，这笔买卖不只是一张订单。Anthropic 是当下最能打的大模型团队之一，它的背书等于给 MI450 做了一次硬核实测广告。往后别的公司采购时，心里会多一个”连 Anthropic 都在用”的参照。

    Anthropic 的算力拼图越铺越大

    把这次合作放进水里看，Anthropic 最近在算力上的动作密集得有点吓人。它前面已经和 SpaceX、TeraWulf 签了数据中心协议，又拉着 Google、博通（Broadcom）搞了一笔不小的基建交易，和 Amazon 也有算力方面的合作。甚至有传闻说，它跟 Meta 之间也可能谈成类似的租赁协议。

    一家原本以”安全优先”出名的实验室，现在像在同时下好几盘棋：一边要保证训练和推理用的算力源源不断，一边还得把供应方分散开，别被任何一家芯片厂绑死。2GW 的 AMD 卡，就是这张网里最新、也最显眼的一根线。

    钱之外的那层合作

    这次不是单纯的”我买你股票、你买我显卡”。双方还签了个多年工程协作：AMD 会把 Anthropic 的 Claude 用到自己的软件开发、工程和产品的日常流程里。换句话说，卖卡的人自己先成了重度用户——用 Claude 来写代码、做工程决策，等于把客户的工具嵌进了供应商的研发流水线。

    这种”你用我的模型优化我的芯片，我拿你的算力跑你的模型”的闭环，正在成为大厂之间的新默契。对 Anthropic 而言，多一个强力算力后盾；对 AMD 而言，多一个能帮它把软件生态磨顺的顶级伙伴。

    • AMD 最多投 50 亿美元，Anthropic 部署最多 2GW 的 MI450 显卡；
    • 首批 1GW 计划在 2027 上半年上线，基于 Helios 机架级系统；
    • Anthropic 近期算力合作已覆盖 SpaceX、TeraWulf、Google、博通、Amazon；
    • 双方另有多年工程协作，AMD 将 Claude 引入内部研发流程。

  • 前Google Brain研究员用AI智能体替非英伟达芯片写底层代码

    上个月，Jeremy Nixon 悄悄把一家公司推到了台前。这家叫 Infinity 的初创公司刚宣布拿到 1500 万美元融资，估值 1 亿美元，投资方里除了 Touring Capital、Principal VC，还有来自 OpenAI 和 Anthropic 的研究员个人。Nixon 本人是个有意思的人——他曾在 Google Brain 做研究，也是黑客社区 AGI House 的创始人。真正让外界注意到他的，是他抛出的一个有点狂的念头：AI 系统本身，能不能成为一种「元技术」，自己发明新东西。

    从「自动发明算法」到「自动写芯片代码」

    早在做 Infinity 之前，Nixon 就捣鼓过一个叫 Omega 的机器学习算法。它的特别之处在于，能自己创造出新的机器学习算法，然后在一个反馈回路里自动评估好坏。那次成功让他开始琢磨：这套思路能不能挪到别的地方？他盯上了硬件——自动化系统或许也能生成那些让芯片跑得更高效的底层代码，比如内核（kernel）这一类东西。

    英伟达的护城河，一半是软件

    这里得先说清楚一件事。很多人以为英伟达厉害是因为芯片性能好，这当然没错，但另一半答案藏在 CUDA 里。CUDA 是英伟达的软件层，让原本为图形设计的 GPU 能当通用处理器用，PyTorch、TensorFlow 都建在它上面。开发者用 Python 写应用，默认就跑在英伟达的卡上。问题是，绝大多数应用层公司既没资源也没本事自己写内核、把应用移植到别的芯片上。

    Nixon 想做的，是把 CUDA 这套「让芯片好用」的活儿交给一个 AI 智能体来干，而且不挑芯片——SRAM、GPU、手机芯片、Systolic Array 统统能适配。

    一个会自己改自己代码的智能体

    Infinity 的核心产品叫 Ignition，是个 AI 研究智能体。它的任务很硬核：为那些想挑战英伟达的芯片写 AI 推理所需的底层代码。它会测试、调试，测量硬件在这套代码下跑得快不快，不行就自动重写，直到性能提上去。整个系统是自优化的，会持续学习、自我改进，而且能适应不同的芯片架构，不管对方是不是闭源的。

    不收授权费，只抽性能提升的成

    这种打法听起来很「AI 原生」。Nixon 说，客户里已经包括 AI 芯片公司 D-Matrix——一家立志挑战英伟达的玩家，同时 Infinity 还在和其他大芯片厂、云厂商谈。更妙的是它的收费模式：不收前置授权费，而是从性能提升和成本节省里抽成，衡量的指标很直接，就是每秒令牌数（tokens per second）的变化。在一个案例里，这个智能体把原本可能要花几年或几个月的过程，压缩到了几小时或几天。

    • Infinity 不是第一家想拆英伟达墙角的公司，但它走的是「逐产品蚕食」的软件路线，而不是去造另一块卡。
    • 人类并没有被踢出局，而是给智能体定大方向，繁琐的体力活交给它。
    • 公司目前只有 26 个人，分布在设计、运营和工程岗。

    把视角拉远一点，Infinity 其实是这一波「AI 基础设施去中心化」浪潮里的一朵浪花。当训练和推理不再被绑死在某一家厂商的软件栈上，更多芯片公司才有机会把货卖出去。这条路能不能走通，取决于 Ignition 真能在不同架构上稳定逼近 CUDA 的水平——这是个需要时间验证的承诺，不是今天就能盖棺的事。

    Infinity 创始人 Jeremy Nixon
    Infinity 创始人 Jeremy Nixon（图源：TechCrunch）

  • 英伟达 Agent Toolkit：把 AI 智能体搬上桌面工作站

    英伟达最近给自家最强的台式工作站 DGX Station 塞进了一套新工具：Agent Toolkit。官方说，开发者只要三步、大概半小时，就能在本地把 AI 智能体跑起来——不用连云，模型和数据都留在你自己的机器上。

    本地 AI 智能体工作站概念图
    英伟达把智能体能力带到了桌面级工作站

    DGX Station 本身就不好惹，里面是一颗 GB300「Blackwell Ultra」GPU。Agent Toolkit 的价值，是把原来得靠云 GPU 集群才能玩转的复杂智能体，搬到了桌面端。

    借助 Omniverse 库，智能体可以在本地的安全运行时里调用工具与技能，完全不需要连接互联网。—— NVIDIA

    这一套到底装了什么

    它不是单个软件，而是一整个软件栈：

    • NemoClaw：开源的智能体蓝图，把模型、运行框架和 runtime 打包，方便团队照着自己的业务改
    • Nemotron 3 Ultra：一个 5500 亿参数的开放大模型，专为 DGX Station 优化，可以本地微调
    • Omniverse 库：把智能体接到物理仿真和 3D 工作流，机器人训练、自动驾驶仿真都能本地跑
    • OpenShell：开源的安全运行时，给智能体套上沙箱，按策略管住它碰什么工具、什么数据

    为什么是现在

    硬件底子是 GB300 超级芯片，最高 20 petaflops 的 FP4 算力、748GB 统一内存；网络用 ConnectX-8，带宽到 800GB/s，还能两台 DGX Station 并联扩容。NVIDIA 还拉上 Adobe、Blender、Unreal、Epic、Foundry、Canva 等伙伴做 MCP 接入，让智能体直接进到这些创作工具里干活。

    更关键的是战略转向。当资本市场开始计较 AI 的投资回报，英伟达把 Agent Toolkit 和 Omniverse 绑在一起，等于在说：我不只卖算力硬件，还想在你的工作站上长出一套软件生态。对怕数据出公司、又想快速迭代的企业来说，本地跑智能体确实少了一层顾虑。

  • Etched走出隐身：50亿美元估值、10亿美元订单，专打AI推理芯片

    一家芯片公司从隐身模式里走了出来

    Etched这家公司以前低调得很，但最近它直接把成绩单摊在了桌上：芯片已经由台积电成功制造出来，累计拿下了10亿美元的系统订单，整体估值也到了50亿美元。它的方向很专注——做Transformer推理专用的芯片和整机系统，专门帮前沿模型更快、更便宜地跑推理。

    所谓推理，就是用户输入问题后模型真正生成答案的那一步。对今天的AI公司来说，这一步既是用户体验的瓶颈，也是最大的成本中心。谁能把推理成本压下去，谁就能让大模型服务更便宜、响应更快。Etched赌的正是这一点。

    Etched已签10亿美元客户订单，累计融资8亿美元，最新一轮由Stripes领投，投后估值50亿美元。

    这家公司2022年成立，创始人Gavin Uberti和Robert Wachen都是哈佛辍学生，后来拿了Peter Thiel的Thiel Fellowship。其实他们早在2024年就跟TechCrunch聊过芯片计划。那时候他们已经从Primary Venture Partners等投资人手里拿到超过1.25亿美元。不过据他们在Patrick O’Shaughnessy的播客里回忆，2023年最初融资时非常艰难，他们拿着30页备忘录讲“AI未来需要专用芯片，而不是通用GPU”，结果几乎每个大投资人都拒绝了。

    投资人名单豪华，但市场考验才刚开始

    现在融资环境完全是另一个世界。Etched披露的累计融资额是8亿美元，其中去年12月那轮未公开的融资由Stripes领投，金额约5亿美元，估值50亿美元。参与方包括VentureTech Alliance、Jane Street、Hudson River Trading、Two Sigma、Ribbit Capital，以及Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu等AI界名人。Peter Thiel和Stanley Druckenmiller也在股东名单里。

    不过融资热归融资热，芯片能不能真正兑现性能，还需要独立测试。Etched目前在做的是“前沿推理集群”——把芯片、定制机柜和软件打包成一套系统。它说自己比Nvidia的GPU更快、更省电、更便宜，但这些数字来自公司自己，真实世界表现还得等客户大规模部署后才能验证。

    AI推理芯片概念图
    专用AI推理芯片正试图从通用GPU手中抢走推理市场。

    在这个赛道里，Etched不是孤例。Cerebras今年率先IPO，Groq刚刚完成6.5亿美元融资，亚马逊、Google、微软都在做自己的AI芯片，OpenAI也推出了和Broadcom合作的首款定制芯片。推理芯片的竞赛正在升温，每家公司都在赌自己的路线。

    对AI行业来说，推理芯片的稀缺性正在被放大。训练一度是最大难题，但现在越来越多公司发现，真正烧钱的其实是服务用户时的推理。Etched的崛起说明，资本市场已经把这个环节视为下一个主战场。至于它能不能撼动Nvidia，还要看第一批客户订单交付后的实际表现。

  • SambaNova再融10亿美元、估值110亿：AI芯片烧到了银行金库

    SambaNova AI推理芯片与本地数据中心
    SambaNova 押注「本地推理」，把大模型放进企业的自有机柜里（配图由 AI 生成）

    AI 芯片公司 SambaNova 又拿到钱了。这轮 F 轮融资刚完成「首关」，金额 10 亿美元，估值冲到 110 亿美元，领投方是 General Atlantic。公司 CEO 兼联合创始人 Rodrigo Liang 跟 TechCrunch 说，接下来几周还会有更多投资人进来，第二关很快收尾。距离上一轮 3.5 亿美元的 E 轮，才过去五个月。

    这家 2017 年在加州帕罗奥图成立、如今九岁的公司，节奏明显在加快。今年 2 月它刚发布了新一代芯片 SN50，当时顺手拿了 E 轮的钱；现在 F 轮又来了。Liang 对「要不要一直独立」这个问题打起了太极——他说公司一直有人来打听收购，门没关死，但眼前的势头和增长「大概率会把它推向上市」。

    和英特尔越绑越紧

    SambaNova 跟英特尔的关系，比外界以为的更深。英特尔从 C 轮就是股东，这一轮也跟进了，两边还签了多年的合作，基于英特尔的至强（Xeon）芯片一起做 AI 推理产品，共同开发、共同卖。「这让我们能借英特尔的体量，放大自己的技术」，Liang 是这么说的。去年底彭博还报过英特尔想以约 16 亿美元收购 SambaNova 的消息，谈判最后黄了。

    「摩根大通决定用 SambaNova 做推理方案，这是件大事。它给银行业放了句话：是时候别完全依赖云服务了，这些银行想要的是异构的基础设施。」

    这话说的是一桩新买卖：摩根大通选了 SambaNova 当「推理基础设施伙伴」，用它的 SN40L 和 SN50 系统在银行内部跑安全、私有的 AI 推理。在 Liang 看来，像摩根大通这种级别的银行开始自建私有、安全的推理环境，是一个会超出金融业本身的信号——企业和政府「才刚刚踏上 AI 这条路」，之前的增长都集中在模型公司和前沿实验室手里，剩下的「大把收入」还在桌上。

    把万亿参数模型塞进一个机柜

    SambaNova 给自己找的差异化定位是「高端推理」——专门跑最大的模型，而且跑得快。现在的前沿模型动辄上万亿参数，SambaNova 的卖点就是能把多万亿参数的模型装进单个机柜，从而跑出速度。SN40L 在 2023 年 9 月发布，云上和本地都能用；SN50 今年 2 月亮相，计划 2026 年下半年开始给客户发货，软银是它的第一个部署伙伴。

    Liang 把客户分成三类：一是主权云（政府出钱扶本地伙伴建私有云），二是新锐云（neocloud），三是自己搭设施用的企业。除了摩根大通，沙特阿美、英特尔和一些日本企业也在客户名单上。

    这 10 亿美元主要用来两件事：把生意做大规模，以及在这波「难以置信的需求浪潮」里把供应链锁住。Liang 的原话是，钱要用来确保供应链，好兑现订单、买齐未来 12 个月要交付的材料。本轮跟投的名单很长，Seligman Ventures、T. Rowe Price、Capital Group，还有黑石、卡塔尔投资局（QIA）、Vista Equity Partners 等等都在里面。

    看下来，SambaNova 赌的其实是一个正在发生的转向：当云上的通用算力越来越贵、也越让人不放心，大机构开始想把最关键、最敏感的模型搬回自己的机房。芯片、合作、客户订单，都朝着这个方向摆。至于它最后是被收购还是敲钟上市，Liang 留了个活口——但这个市场里，「总有人来敲门」本身就是一种底气。

  • 法国初创ZML发免费工具：让各家AI芯片跑得一样快

    过去几年，只要聊到跑大模型，大家脑子里默认就是英伟达的卡。这种局面短期内还结束不了，但挑战者确实从四面八方冒了出来。最近巴黎一家叫 ZML 的初创公司丢出了一件免费工具，想做的事情挺大胆：让同一套开源大模型，能在英伟达、AMD、谷歌 TPU、苹果 Metal 甚至英特尔 Arc 的芯片上都跑得一样快。

    一个被图灵奖得主点名的小团队

    ZML 的创始人叫 Steeve Morin，圈内人可能更熟悉他上一个作品——Zenly，那个被 Snapchat 在 2017 年砸了九位数美元收购的社交地图应用，Morin 当时是工程副总裁。这家新公司本身规模不大，只有 20 个人，却让图灵奖得主、AI 圈泰斗 Yann LeCun 都公开点过赞。光看阵容，ZML 不像临时起意凑热闹的团队。

    他们刚发布的产品叫 ZML/LLMD，本质上是一个大模型推理服务器。Morin 跟 TechCrunch 说，他们的野心是打破现在各家芯片各自为战的孤岛状态，让不同的芯片都能以自己最快的速度、甚至比原厂还快的速度去跑 AI 任务。

    异构AI芯片在统一软件层上协同推理
    ZML 想用一层软件把不同品牌的 AI 芯片连起来，跑同一套模型

    它到底在解决什么麻烦

    随着 AI 一点点渗进我们的工作和日常，怎么把模型”跑起来”（也就是推理、处理用户提问）这件事，重要性已经悄悄超过了训练模型本身。可现实中这块体验并不顺滑，软件架构的壁垒把大家锁死在单一供应商身上，想换芯片？成本高得劝退。

    Morin 的原话是：想法是”把创造自己系统的权力还给大家，让 AI 真正扩散开，而不是被几家大厂攥在手里”。

    对企业来说，这意味着可以混搭不同类型的芯片——有些更便宜，有些更省电。ZML 这套软件辅助，顺势也能帮一把那些名气没那么响的新锐芯片厂，Morin 一口气点了好几家欧洲的：Axelera、Fractile、Kalray、Q.ANT、SiPearl 等等。对他而言，产地其实没那么重要，关键是 ZML 能和他们一起做”全世界还没人做过的事”。

    为什么大厂都在盯着”推理”这块肥肉

    推理赛道早就是兵家必争之地，有人直接把它叫”推理淘金热”。ZML 的对手不算少：估值冲到 130 亿美元的 Baseten、脱胎于开源项目 vLLM 的 Inferact、背后是 SGLang 的 RadixArk。vLLM 和 SGLang 跟 LLMD 多少有些重叠，但 Morin 的胃口明显更大。

    • 他放话说，ZML 已经走到”和芯片一起做联合设计”的阶段，不只是写上层软件。
    • 团队虽小，钱却不少——早年就融了 2000 万美元，投资方里既有 Harry Stebbings 的 20VC，也有 Xavier Niel 的 Kima Ventures。
    • 股东名单也挺唬人：Docker 创始人 Solomon Hykes、Hugging Face 的 Clément Delangue 和 Julien Chaumond，还有 LeCun 本人。

    有意思的是，Morin 并不唱衰英伟达。他说双方关系其实不错，毕竟英伟达自己也在为推理时代的到来做准备。ZML 想做的是在英伟达之外，给大家多一个不绑死的选择。

    免费，但野心一点不小

    ZML 最早在 2024 年开源过一个机器学习框架，今年三月还更新过。但这次的 LLMD 没有走开源路线，而是以免费产品的形式推出，目的很实在——先看看大家怎么用，再决定怎么赚钱。”我宁愿先量一量，在最有价值的地方收钱，也不想一上来就贪心把增长憋死。”Morin 这么说。

    现在判断 LLMD 什么时候变成付费产品、又能拿下多少用户，显然还太早。但从资本和同行的反应看，欧洲确实开始长出能在家门口做成事的 AI 公司了。Morin 说得很直白：”除了巴黎，我哪儿都做不出 ZML。”

  • 三星利润暴涨19倍背后：AI数据中心把内存芯片买疯了

    堆叠的AI高带宽内存芯片与数据流动
    AI数据中心对高带宽内存（HBM）的渴求，正把三星的利润表彻底改写

    三星电子刚交出的二季度成绩单，把整个市场都看愣了。运营利润同比翻了大约19倍（折算下来就是1400%的涨幅），这个数字甚至超过了它过去三年的利润总和。你很难想象一家上年同期还在为内存价格探底发愁的巨头，能在一年的时间里完成这种级别的反弹。

    但别误会，这跟手机卖得多好没什么关系。真正把利润表顶上去的，是AI数据中心在疯狂扫货内存芯片。

    HBM，这场反弹的真正引擎

    核心角色叫HBM，高带宽内存。当英伟达、AMD这些GPU厂商拼命往外吐新一代显卡时，背后需要一种能在极短时间内吞吐海量数据的内存来配合。这种专用芯片单价高、工艺难，谁能量产谁就能吃下AI服务器的订单。

    有意思的是，三星在这块业务上曾经被老对手SK海力士压着打。但这一季它明显追了回来——靠着HBM3E和更新的HBM4拿下了关键供货协议。分析师们的判断很直接：需求已经不单纯来自亚马逊、谷歌这类传统云厂商了，几乎每个想把生成式AI塞进自家业务的行业都在抢内存。供给追不上需求，三星的议价权和利润率自然就上去了。

    有分析师点破得很直白：只要AI还是全世界企业的头等优先级，能造出最尖端内存的厂商，就站在了价值创造的正中央。

    不只是HBM，普通内存也回暖了

    除了高端的HBM，普通的DRAM和NAND闪存价格也结束了长期供过于求的状态，慢慢爬了回来。这两块业务的复苏叠在一起，才把整体业绩推到了这个高度。

    一个细节很能说明问题：三星内存芯片部门的员工，今年平均能拿到约34万美元的年终奖。一家公司愿意为某个部门开出这种级别的奖金，往往意味着那个部门正在替全公司赚大钱。

    三星的下一注：2纳米和端侧AI

    赚钱之外，三星也在为下一阶段铺路。它在代工业务上砸下重金，押注2纳米制程去跟台积电抢地盘；Galaxy手机则把”端侧AI”当成了核心卖点，想守住移动市场的底盘。

    • HBM4计划在2026年进入量产，支撑参数规模上万亿的AI模型；
    • 同步探索CXL和存内计算（PIM）等新架构，试图绕开数据传输的瓶颈；
    • 但中美出口管制和CHIPS法案要求在美国扩产，是绕不开的外部变量。

    三星这份成绩单，其实是AI基础设施狂热的一面镜子。它提醒我们，在这场看似关于模型和算法的竞赛里，最底层的那块硅片，同样能决定谁赚得盆满钵满。

    📎 原文来源：$am$ung. | The Verge（综合 Reuters 报道）

  • SpaceX悄悄做了一个AI设备原型，比iPhone更薄

    马斯克又要搞新东西了。这次不是火箭，不是电动车，而是一款AI硬件。

    SpaceX AI设备原型概念图
    SpaceX AI设备原型概念图（AI生成）

    《华尔街日报》最近报道，SpaceX已经向投资者展示了一款”手持式”AI设备的原型。据看过原型的人说，这台设备比iPhone更轻薄，外形介于小屏触控手机和Rabbit R1之间。

    消息一出，马斯克在X上直接否认，说报道”完全失实”。但有趣的是，SpaceX确实已经把这款设备给部分投资者和利益相关方看过了，而且明确告诉他们产品还在早期，设计随时可能改动。

    马斯克否认了报道，但SpaceX展示原型这件事本身，已经说明他们在认真考虑这件事。

    SpaceX做硬件，不是闹着玩的

    很多人听到”AI硬件”四个字，脑子里第一个冒出来的可能是Humane AI Pin，或者Rabbit R1——这两款产品上市后的表现，说好听点是”不及预期”，说难听点就是翻车了。

    但SpaceX（以及同门的Tesla）和那些创业公司不一样。它们有大规模制造的经验，有供应链的话语权，更重要的是，它们能拿到足够的芯片。AI设备最怕的不是设计出问题，而是造不出来——这一点上，马斯克手里的资源比大多数硬件创业者多得多。

    还有一点值得注意：SpaceX最近在无线业务上动作不少，Starlink Mobile已经在和Verizon、AT&T抢生意。有分析师甚至猜测，T-Mobile或者AT&T都有可能成为SpaceX的收购目标——当然，这种收购花销不会小。

    在跟OpenAI赛跑

    这套打法听起来很熟悉，对吧？OpenAI也在做差不多的事——他们找来了苹果前首席设计官Jony Ive，正在开发一款AI硬件设备。Sam Altman说过，这台设备会比iPhone”更平和、更宁静”。

    但根据去年的报道，OpenAI的硬件项目进展并不顺利，细节一直定不下来。上周还有消息说，负责Vision Pro的苹果VP Paul Meade已经跳槽去了OpenAI的硬件团队——看得出来，Altman在拼命补强硬件人才。

    SpaceX的原型据说也是类似的思路：运行在自己的操作系统上，集成了xAI的技术（马斯克今年早些时候把xAI并进了SpaceX）。这意味着这台设备不会依赖Android或者其他公司的平台，从底层就是为AI交互设计的。

    消费者买不买账，是另一回事

    说到底，SpaceX有没有能力把AI设备造出来，和消费者愿不愿意买，是两码事。Humane和Rabbit的前车之鉴就在那里——投资者和科技媒体可以为AI硬件激动，但普通用户拿到手里之后，会不会真的每天用它，这是谁也说不准的事。

    目前这台设备还处在原型阶段，设计随时可能改，SpaceX也没有公开任何发布时间表。马斯克本人否认了相关报道，所以这件事的真实性，可能还要等一段时间才能见分晓。

    但不管最终产品出不出来，这个方向本身已经说明问题：AI公司（或者说AI大佬们）不再满足于只做软件了，他们想把AI装进一个能拿在手里的东西里。至于这个东西到底长什么样、好不好用，可能2027年我们就会有答案。

  • Anthropic找三星代工AI芯片，想摆脱对英伟达的重度依赖

    Anthropic正在认真考虑找三星帮忙制造自家定制的AI芯片，这是它应对算力短缺、减少对英伟达依赖的最新动作。

    Anthropic与三星合作开发AI芯片
    Anthropic与三星探讨定制AI芯片合作，试图在算力基础设施上掌握更多自主权

    从设想到落地

    早在今年4月，路透社就报道过Anthropic在考虑自研AI芯片。现在看起来，这个想法正在落地。

    据The Information报道，Anthropic已经和三星接触，探讨在待定的芯片项目上合作。不过报道也提到，Anthropic还没决定这颗芯片具体用来干什么、怎么放进服务器、性能要做到什么程度。

    Anthropic对TechCrunch的回复比较谨慎，只说包含谷歌、亚马逊和英伟达芯片在内的多元化硬件堆栈，对其算力战略来说依然至关重要。至于和三星的潜在合作，公司表示暂时没有更多信息可以分享。

    芯片从设想到量产，周期一般以年计算。Anthropic的这颗芯片什么时候能真正跑起来，目前还是个很大的问号。

    AI公司为何纷纷自研芯片

    这件事的背景是，越来越多的AI公司开始认真考虑自研或定制芯片。原因有两个：一是可以确保供应链的独立性，不再完全受制于英伟达；二是针对特定计算任务定制硬件，可以在能效和性能上做到更好的平衡。

    就在上周，Anthropic的主要竞争对手OpenAI刚刚宣布跟博通（Broadcom）合作，推出了自己的定制推理处理器，代号”Jalapeño”。OpenAI称这颗芯片在能效比上比竞争对手的方案更出色。

    亚马逊和谷歌其实早就在做类似的事了——亚马逊有Trainium，谷歌有TPU，都是作为云服务的一部分提供给客户使用的。

    三星在AI产业链里的关键位置

    三星在AI产业链里的位置也很关键。它已经是英伟达的重要合作伙伴，帮英伟达生产用于训练或运行AI模型的芯片。反过来，三星也用英伟达的软件来制造自己的芯片。

    两家公司还在韩国合建一座AI芯片工厂，并且三星据传也在和谷歌讨论代工其下一代AI芯片的事宜。

    Anthropic如果真的推进这颗定制芯片，意义不只是”多一个供应商”那么简单。它意味着这家以安全研究闻名的AI公司，正在从单纯的软件层面向硬件基础设施延伸，试图在自己的手里掌握更多的技术自主权。

  • Anthropic找三星谈定制芯片，AI军备竞赛烧到了硬件层

    Anthropic找三星谈定制芯片，AI军备竞赛烧到了硬件层

    Anthropic与三星讨论定制AI芯片
    Anthropic正与三星讨论合作开发定制AI芯片

    四月份路透社曾经报过，Anthropic在认真考虑自己搞AI芯片。当时看起来还只是个想法，结果现在看来，他们是动真格的。

    本周，The Information曝出Anthropic正在跟三星接触，讨论合作开发一款定制AI芯片。不过从目前披露的信息来看，这款芯片具体要用来干什么、怎么塞进服务器、性能要做到什么程度，Anthropic自己也没想清楚。

    我联系了Anthropic要评论，对方给了一个比较官方的回复，说他们会继续依赖多元化的硬件组合，包括谷歌、亚马逊和英伟达的芯片。这话没毛病，但也没否认跟三星谈合作的事儿。至于三星这个潜在合作伙伴，Anthropic说暂时没什么好补充的。

    AI公司为什么要自己做芯片

    这事其实不难理解。最近一两年，AI公司自己做芯片已经成了某种”潮流”。原因也很简单——针对特定计算任务定制硬件，效率肯定比通用芯片高；更重要的是，大家都想减少对英伟达的依赖。黄仁勋的公司现在是AI芯片领域毫无争议的霸主，但这种局面，无论是OpenAI、Anthropic还是谷歌，其实都不太舒服。

    上周OpenAI刚宣布了跟博通合作的定制推理芯片”Jalapeño”，据说在性能功耗比上比竞品更有优势。亚马逊的Trainium、谷歌的TPU，早就作为云服务提供给客户用了。

    OpenAI的”Jalapeño”芯片是跟博通合作的，主打推理效率。Anthropic如果真的跟三星敲定合作，很可能会走类似的路——先从中低端推理芯片做起，再逐步往训练端渗透。

    三星在AI产业链里的位置也很微妙。它本来就是英伟达的重要合作伙伴，帮英伟达生产训练模型需要的芯片，同时又用英伟达的软件来制造自己的芯片。两家还在韩国合建了一座AI芯片工厂。除此之外，三星跟谷歌也有过芯片制造方面的讨论。

    所以Anthropic找上三星，逻辑上是通的。三星有制造能力，有跟AI公司合作的经验，而且产能压力不像台积电那么大。

    硬件自主可控，下一阶段核心竞争力

    但这件事也透露出一个信号：大模型公司的竞争，已经不只是模型能力、应用生态这些软件层面的东西了。硬件自主可控，正在变成下一阶段的核心竞争力。

    当然，从”在谈”到”芯片真正做出来、用起来”，中间还有很长的路。Anthropic自己都没想清楚这款芯片的定位，说明项目还非常早期。不过，光是”Anthropic在跟三星谈”这个事实本身，就已经值得关注了。

    说到底还是一个”卡脖子”的问题。现在训练大模型，最烧钱的部分之一就是算力，而算力很大程度上取决于你能买到多少英伟达的GPU。如果英伟达产能跟不上，或者优先供货给某些客户，那其他公司就会很被动。

    自己掌握芯片设计，哪怕只是部分自主，也能在跟英伟达谈判的时候多一张牌。这不是Anthropic一家在想的事，整个行业都在往这个方向走。

    对三星来说，这笔潜在合作也有不小的价值。三星的代工业务一直以来都被台积电压着打，如果能拿下Anthropic这个大客户，对提升自己在AI芯片制造领域的话语权很有帮助。