Anthropic接洽三星自研2纳米AI推理芯片，大模型公司集体「造芯」成趋势

当Claude展现出惊人的长文本理解能力时，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就可能高达数十万美元。这种烧钱速度，让以AI安全为使命的Anthropic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，而它选择的盟友是三星。

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Claude模型设计的AI推理芯片。这不只是一次商业采购——它涵盖架构定义、2纳米制造工艺与高带宽内存集成的全面技术合作。Anthropic的设想是剥离GPU中所有不必要的图形渲染模块，围绕Claude模型的稀疏激活机制，打造一款在推理时效能提升数倍的专用ASIC芯片。

选择三星的理由也很有意思。三星是全球少数几家同时拥有芯片设计、晶圆代工和HBM高带宽内存一体化制造能力的企业。对于极度渴求内存带宽的AI推理芯片而言，这种垂直整合能力具备致命吸引力。对三星来说，赢得Anthropic这样的前沿模型客户，意味着有机会在台积电的阴影下打开代工崛起的突破口。

但Anthropic并非孤例——它代表了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，代号「Tigris」的芯片项目正在全球范围内筹集巨额资金，目标直指超级智能专属芯片制造网络，同时已与博通合作开发定制化AI推理芯片。谷歌的TPU已经迭代至第五代，为其Gemini模型提供专属算力基座。微软去年发布的Maia 100芯片直接瞄准云端AI负载。Meta的MTIA系列芯片持续迭代。就连曾被传出放弃自研的亚马逊，其Trainium和Inferentia芯片也早已大规模部署。

为什么这些商业模式迥异的公司，会不约而同地走向同一条路？

最表层的原因是成本。一枚自研ASIC的单位推理成本，有望做到同代GPU的四分之一到三分之一。更深层的是供应焦虑——英伟达GPU交付周期动辄半年以上，把所有玩家都绑在同一家供应商上，这在战略上不可接受。而最底层的驱动力是算法与硬件的深度融合：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，性能提升不再是线性的，而是跃迁式的。

这股浪潮正在改写芯片产业的权力结构。台积电的先进制程订单已排至数年之后，博通、Marvell等定制芯片设计服务商估值飙涨，三星则试图用内存-代工-封装的一体化方案从台积电口中夺食。当然，英伟达也不会坐视不理。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——这话虽然狂，但英伟达两年一代的硬件迭代速度确实让任何自研芯片一经落地就可能面临落后。

从OpenAI到Anthropic，从谷歌到Meta，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。