Czy dążenie firmy Anthropic do produkcji własnych układów to początek wyścigu zbrojeń w dziedzinie sprzętu AI?

Kryzys chipowy uderza w szybki pas rozwoju AI

Asystent AI w Twoim smartfonie, chatbot pomagający w odrabianiu lekcji czy silnik rekomendacji w aplikacji streamingowej — wszystkie one są napędzane przez wyspecjalizowane układy komputerowe zwane procesorami GPU lub TPU. Są one cyfrową ropą naftową świata sztucznej inteligencji. Teraz Anthropic, firma stojąca za popularną sztuczną inteligencją Claude, po cichu bada możliwość zaprojektowania własnej wersji tych układów. Źródła zaznajomione ze sprawą twierdzą, że ten startup z San Francisco prowadzi wstępne rozmowy, napędzane globalnym niedoborem tych procesorów o wysokim popycie. Nie podjęto jeszcze wiążących zobowiązań i firma może pozostać przy zakupach od dostawców takich jak Google i Amazon. Jednak ten ruch sygnalizuje głębsze problemy w łańcuchu dostaw, które mogą odbić się na Twojej codziennej technologii.

Rzecznik Anthropic odmówił komentarza, utrzymując szczegóły w tajemnicy. To nie są czyste spekulacje; to pragmatyczna reakcja na gwałtownie rosnący popyt. Przychody Claude (revenue run-rate) przekroczyły właśnie 30 miliardów dolarów w 2026 roku, w porównaniu z 9 miliardami dolarów pod koniec ubiegłego roku. To jak PKB małego kraju, a wszystko to napędzane przez usługi AI głodne większej mocy obliczeniowej.

Śledzenie niedoboru aż do źródła

Podążaj za materiałami: wszystko zaczyna się od surowych wafli krzemowych w fabrykach, trawionych w skomplikowane obwody za pomocą fotolitografii — procesu przypominającego drukowanie mikroskopijnych krajobrazów miejskich na szkle. Zaawansowane układy AI wymagają najnowszych węzłów technologicznych, takich jak 3 nm lub mniejszych, gdzie miliardy tranzystorów mieszczą się w chipie wielkości paznokcia. Fabryki od TSMC na Tajwanie po Intela w USA nie nadążają z produkcją. Według ostatnich raportów branżowych, Nvidia dominuje w 80-90% rynku układów AI, tworząc wąskie gardła.

Anthropic polega dziś na procesorach TPU Google i układach Trainium Amazonu. Na początku tego tygodnia podpisali długoterminową umowę z Google i Broadcom — zespołem stojącym za projektami TPU — oraz zadeklarowali 50 miliardów dolarów na infrastrukturę obliczeniową w USA. To inteligentne zabezpieczenie (hedging). Jednak w miarę wzrostu popytu, nawet ci giganci borykają się z opóźnieniami. Projektowanie własnego krzemu kosztuje około 500 milionów dolarów z góry, według szacunków branżowych, co obejmuje inżynierów, prototypy i bezbłędną wydajność produkcji. To zakład o wysoką stawkę, niczym zamawianie niestandardowego silnika do samochodu wyścigowego, gdy dostawcy mają zaległości.

Dlaczego wielcy gracze AI stawiają na własne rozwiązania

Anthropic nie jest osamotniony. Meta od 2023 roku tworzy własne układy MTIA do trenowania modeli Llama. OpenAI, mimo wsparcia Microsoftu, podobno bada własne projekty. Laboratoria te potrzebują układów zoptymalizowanych pod kątem konkretnych obciążeń AI — na przykład wydajnej matematyki macierzowej dla modeli językowych — a nie procesorów GPU ogólnego przeznaczenia.

Za żargonem kryje się kontrola. Gotowe układy są wszechstronne, ale drogie przy dużej skali; Nvidia H100 może kosztować 30 000 – 40 000 dolarów za sztukę. Niestandardowe projekty obiecują wzrost wydajności o 20-50%, obniżając rachunki za energię i przyspieszając trenowanie. Dla Anthropic, którego Claude napędza narzędzia korporacyjne i aplikacje konsumenckie, może to oznaczać szybsze aktualizacje lub niższe koszty przenoszone na użytkowników. Z drugiej strony, wiąże się to z ryzykiem uzależnienia od jednego producenta, co potęguje ryzyko dostaw wynikające z napięć geopolitycznych lub pożarów fabryk.

Ta tabela podkreśla wzajemnie powiązany wyścig. Mówiąc praktycznie, to spotkanie przemysłu ciężkiego z marzeniami o oprogramowaniu.

Prawdziwy koszt głodu sprzętowego AI

Patrząc szerzej, te ruchy obnażają fundamentalną słabość AI: zależność od sprzętu. Trenowanie modelu takiego jak Claude 3.5 Opus może wymagać ponad 100 000 układów pracujących przez miesiące, zużywających megawaty energii — co odpowiada potrzebom energetycznym miasta. Niedobory już teraz opóźniają projekty; własne układy mogłyby to złagodzić, ale ich dojrzewanie zajmuje 2-3 lata.

Z punktu widzenia konsumenta należy spodziewać się pośrednich skutków. Funkcje AI w aplikacjach stają się droższe w opracowaniu, co wymusza wzrost opłat subskrypcyjnych — pomyśl o planach korporacyjnych Claude lub zintegrowanych narzędziach w Google Workspace. Twój rachunek za prąd? Centra danych na całym świecie zużywają 2-3% globalnej energii elektrycznej, a prognozuje się, że do 2030 r. liczba ta wzrośnie do 10%, jeśli nie zostanie powstrzymana. Własne układy dążą do odporności, ale koszty początkowe oznaczają, że inwestorzy pompują miliardy w fabryki, odciągając kapitał od gadżetów konsumenckich.

Co ciekawe, przypomina to erę smartfonów. Apple porzuciło Intela na rzecz własnych układów z serii M w 2020 roku, zwiększając żywotność baterii i wydajność. Anthropic może wykonać podobny zwrot, ale na skalę przemysłową.

Co się stanie, jeśli zdecydują się na ten krok?

Załóżmy, że Anthropic podejmie zobowiązanie. Musieliby zebrać zespół architektów układów scalonych — rzadkich talentów podkupionych z Nvidii lub AMD — iterując projekty poprzez symulacje przed przekazaniem do produkcji (tape-out) w TSMC. Pierwsze układy mogą pojawić się w 2028 roku, zoptymalizowane pod kątem potrzeb Claude, takich jak mechanizmy rzadkiej uwagi (sparse attention).

Od strony rynkowej fragmentuje to podaż. Więcej graczy oznacza zróżnicowane opcje, co potencjalnie stabilizuje ceny w dłuższej perspektywie. Ale w krótkim terminie? Zmienność w miarę erozji monopolu Nvidii. Dla Ciebie może to oznaczać płynniejsze korzystanie z AI: szybszych asystentów głosowych, dokładniejsze generatory obrazów, bez ciągłych błędów „serwery są zajęte”.

Należy zachować lekki sceptycyzm: korporacyjny PR przedstawia to jako innowację, ale w dużej mierze jest to walka o przetrwanie. Przychody Anthropic na poziomie 30 miliardów dolarów brzmią imponująco — dopóki nie weźmie się pod uwagę umów z gigantami chmurowymi i gotówki od inwestorów venture capital. Sukces zależy od realizacji w obliczu wojen o talenty i napięć między USA a Chinami w kwestii chipów.

Codzienne skutki decyzji o krzemie

W codziennym życiu podkreśla to niewidoczny kręgosłup AI. Ta szybka sugestia przepisu lub algorytm dopasowujący ofertę pracy? Wszystko to prowadzi do układów w odległych farmach serwerów. Jeśli Anthropic odniesie sukces, spodziewaj się bardziej solidnej, skalowalnej sztucznej inteligencji — być może tańszych poziomów Claude Pro lub wbudowanej inteligencji w samochodach i lodówkach.

Konkluzja: własne układy demokratyzują moc, ale potęgują ryzyko. Osoby dbające o budżet powinny uważać na podwyżki cen usług AI; fani prywatności zauważają, że mniejsza zależność od kilku dostawców zmniejsza liczbę pojedynczych punktów awarii.

Ostatecznie, zatrzymaj się następnym razem, gdy Claude będzie pisał Twój e-mail. Docen krzemową symfonię pod spodem i zastanów się, jak te zakłady w salach zarządów kształtują Twój cyfrowy świat. Zmień perspektywę: z pasywnego użytkownika na poinformowanego obserwatora sprzętu, który to wszystko napędza.