做 Claude 还不够，Anthropic 挖走谷歌 TPU 创始人，下场自己造芯片
做 Claude 的 Anthropic 最近下了步重棋，把谷歌定制芯片业务的创始人 Amir Salek 挖了过来，专门牵头组建团队自研 AI 芯片，摆明了要一步步摆脱对外部芯片厂商的依赖，跟老对手 OpenAI 的造芯路线正面对标。
这位被挖来的大佬分量可不轻，他在芯片行业摸爬滚打了二十多年，早年在英伟达干了八年，参与过二十多款 GPU 和移动端芯片的研发，一手搭起了英伟达的系统级芯片设计团队。2013 年加入谷歌后，他从零创立了谷歌的定制芯片业务，从第一代到第七代 TPU 芯片全是他主导落地的，是谷歌 AI 芯片产品线真正的奠基人。离开谷歌后他做过一阵半导体领域投资，这次重回技术一线，相当于给 Anthropic 的造芯计划配了个有完整量产成功经验的领军人物。而且这不是 Anthropic 第一次挖人，今年 6 月，OpenAI 自研芯片项目的早期核心成员 Clive Chan 就已经加入，现在团队集齐了谷歌 TPU 创始负责人和 OpenAI 芯片核心研发者，等于把行业里最懂定制 AI 芯片的两拨人凑到了一起。
大模型公司费这么大劲下场造芯片，说穿了就是现实倒逼的。现在 Anthropic 一年光算力支出就接近 190 亿美元，推理成本还经常超预算，而市面上的通用 GPU 并不是为某一款模型量身设计的，跑起 Claude 来总有不少算力被白白浪费。自己造芯片就能完全贴合自家模型的架构做定制，从硬件底层就和软件对齐优化，大幅压低每一次回答的生成成本，长期下来能省出天量开支。更深层的顾虑还在供应链上，这两年 AI 芯片产能一直紧张，大模型公司的发展节奏很大程度上被上游厂商的产能和定价牵着走，业内常调侃的 “英伟达税” 不是空话。能自己掌握芯片设计，就等于把算力命脉攥在了自己手里，不用再看上游脸色，也能建起别人很难复制的全栈技术壁垒。
有意思的是，Anthropic 和老对手 OpenAI 虽然都走上了自研芯片的路，打法却不太一样。OpenAI 选择和博通联合开发推理专用芯片，走的是合作落地、快速见效的路线，预计今年晚些时候就能投入使用。Anthropic 则是从零组建原生团队自主研发，虽然第一款芯片量产落地要等两三年，周期更长，但对芯片设计的掌控力也更强，后续能和自家模型做更深的软硬协同。两者目标高度一致，都是想摆脱对单一通用芯片厂商的依赖，用软硬件一体的深度优化建立长期的成本与性能优势。
在我看来，头部大模型集体下场造芯，恰恰是 AI 行业从概念期进入商用成熟期的标志。行业上半场拼的是模型参数、对话效果，是算法层面的竞速；到了规模化商用的下半场，单位成本、供给稳定性、供应链安全才是决定胜负的底牌。谁能把单次推理的成本压到最低，谁就能在价格战里占尽先机；谁能保证算力供给不受制于人，谁才能稳住长期发展的节奏。从谷歌、Meta 到 OpenAI、Anthropic，头部玩家不约而同走向模型加芯片的全栈路线，本质上都是在为下半场的持久战筑牢根基。
当然自研芯片从来不是低风险的赌注，研发周期长、流片成本极高，从团队组建到第一款芯片量产，至少要两三年时间，中间还要跨过软硬件适配、产能爬坡、良率提升等好几道门槛。短期内 Anthropic 依然会维持多供应商采购的格局，和谷歌、亚马逊乃至新兴芯片厂商的合作还会继续，自研芯片更像是一笔面向未来的长期投资。但可以确定的是，随着越来越多的头部玩家加入造芯阵营，AI 产业的话语权正在从上游芯片厂商逐步向下游大模型平台转移，全栈自研的能力，会成为下一阶段行业竞争的核心门票。