下次当你要求 Claude 聊天机器人总结一份法律文件或编写一段代码时，屏幕上出现的答案是昂贵的全球链条中的最后一环。每一个词都会产生一小笔成本，在数据中心产生一缕微小的热量，并向拥有硬件的公司支付一分钱的一小部分版税。在这个链条的末端坐着一块微芯片，通常由英伟达（Nvidia）设计并在台湾制造。对于 Anthropic 来说，这种对外部硬件的依赖是一项巨大的开支。为了解决这个问题，该公司目前正在招聘一个专门的团队来设计自己的定制 AI 芯片。
从大局来看，这一举措是从租赁技术向拥有工厂的转变。多年来，AI 初创公司几乎完全专注于代码。他们构建大型语言模型并在通用硬件上运行，因为这是进入市场的最快方式。但随着 AI 成为经济的永久组成部分，租赁这些硬件的成本成了他们银行账户最大的流失源。通过设计自己的硅片，Anthropic 希望制造出一款专门为 Claude 的思维方式而塑造的芯片。这并不是要制造一款全能的芯片，而是要制造一款只做一件事——运行 AI 模型——且做得异常出色的芯片。
每一条聊天提示背后的隐形税收
要理解为什么一家软件公司想要涉足复杂的硬件业务，你必须看看推理（Inference）的数学逻辑。推理是经过训练的 AI 模型接收用户请求并生成答案的过程。这个过程每天发生数十亿次。目前，这项工作大部分在英伟达的 GPU 上运行。这些芯片是现代经济的数字原油。它们功能极其强大，但也非常昂贵且耗电，因为它们被设计得非常灵活。它们可以训练模型、渲染视频或模拟天气模式。
Anthropic 并不在每个任务中都需要这种灵活性。当你只是运行一个已经构建好的模型时，使用通用 GPU 就像使用一辆巨大的货运卡车去送一封信。它能完成任务，但你为你没用到的引擎支付了大量费用。定制硅片允许公司剥离芯片中对于 AI 推理来说不必要的部分。这减少了每个提示所需的电力，并提高了模型的响应速度。对于普通用户来说，这意味着在屏幕上等待文本出现的时间更短。
在市场方面，对这些芯片的需求如此之高，以至于等待时间可能长达数月。Anthropic 已经与亚马逊（Amazon）和谷歌（Google）签署了使用其基础设施的巨额协议，但即使是这些科技巨头也有自己的优先级。通过组建定制硅片团队，Anthropic 正试图让自己免受波动不定的供应链影响。如果公司拥有自己的设计，就可以直接与三星（Samsung）或台积电（TSMC）等制造商谈判。这一举措让他们在谈判桌上占有一席之地，而不是在队伍末尾等待。
追随行业领袖的步伐
Anthropic 正在加入一个曾经只为最富有的科技公司保留的俱乐部。从历史上看，只有像苹果（Apple）或谷歌这样的巨头才有资源设计自己的处理器。苹果在从英特尔（Intel）芯片转向自研的 M 系列硅片时，改变了整个笔记本电脑市场。它获得了对其软件和硬件协同工作的完全控制权。Anthropic 正在寻求同样水平的垂直整合。该公司最近确认计划共同设计其硬件和模型。这意味着构建 Claude 的工程师将与构建芯片的工程师进行交流，以确保它们完美匹配。
该领域的其他参与者已经深入参与了这一过程。谷歌多年来一直使用其张量处理单元（TPU）来驱动从搜索到 Gemini 模型的一切。Meta 开发了 MTIA 加速器来处理其社交媒体信息流背后的海量 AI 工作负载。据报道，甚至 OpenAI 也与博通（Broadcom）合作开发了一款代号为 Jalapeño 的芯片。对于 Anthropic 来说，要保持竞争力，就必须达到这种效率水平。如果没有自己的硬件，它将永远支付竞争对手最终可以避免的溢价。在计算成本是主要准入门槛的市场中，这是一种生存策略。
定制硅片术语背后的奥秘
当一家公司谈论其定制硅片团队时，它寻找的是一种非常特定类型的人才。这些工程师不仅仅是写代码。他们在硅片上规划出电力的物理路径。他们必须决定处理器旁边应该放置多少内存，以及数据如何在它们之间流动。在 AI 世界中，最大的瓶颈通常不是芯片的思考速度，而是它从内存向处理器传输数据的速度。这被称为“内存墙”（Memory Wall）。
从实际操作来看，定制芯片可以通过将内存放置在比标准 GPU 更靠近处理核心的地方来弥补这一差距。Anthropic 正在寻找能够解决这些物理难题的工程师。有关建议与三星合作的报告值得关注，因为三星是世界上少数几家既能设计又能制造这些复杂组件的公司之一。在那里的合作伙伴关系将为 Anthropic 提供从数字蓝图到物理芯片的精简路径。这减少了从软件构思转向硬件现实的摩擦。
这对普通消费者意味着什么
对于使用 Claude 起草电子邮件或分析数据的人来说，这些公司策略似乎很遥远。然而，影响是切实可见的。目前，运行 AI 模型的高昂成本是许多最佳功能被锁定在每月 20 美元订阅费背后的原因。这也是为什么这些模型的免费版本通常对你可以发送的消息数量有严格限制。如果 Anthropic 能通过定制硅片将硬件成本降低 30% 或 40%，那将为更慷慨的免费层级或以相同价格提供更强大的功能创造空间。
可靠性是另一个因素。在高峰时段，许多 AI 服务会变慢或经历停机，因为数据中心已满负荷。拥有硬件设计允许公司在相同的空间内装入更多的处理能力。这意味着即使有数百万人同时使用，服务也能保持在线并保持快速。最终，这是为了让技术感觉不像是一个沉重的工业工具，而更像是日常工作流程中无缝的一部分。硅片是无形的支柱，决定了 AI 感觉像是一个不知疲倦的实习生，还是一个缓慢、老化的计算机。
从大局来看，我们正在进入一个专业化计算的时代。通用处理器的时代正在结束。在未来几年里，你的手机、你的汽车和你的 AI 助手都将运行在为特定任务而制造的芯片上。Anthropic 的招聘热潮是一个明确的信号，表明该公司打算在这个领域成为永久的存在。仅仅拥有最聪明的模型已经不够了，你还必须拥有运行它的最聪明的大脑。
AI 芯片竞赛总结
| 公司 | 定制 AI 硬件 | 主要合作伙伴 |
|---|---|---|
| Anthropic | 定制硅片团队（开发中） | 三星（潜在） |
| OpenAI | Jalapeño / 推理芯片 | 博通 |
| TPU (张量处理单元) | 内部 / 博通 | |
| Meta | MTIA (Meta 训练与推理加速器) | 内部 |
| Amazon | Trainium / Inferentia | Annapurna Labs (内部) |
从消费者的角度来看，这种竞争是绝对的利好。它打破了对驱动我们数字生活的硬件的垄断。当多家公司竞争构建最高效的芯片时，结果就是更快的创新和更低的成本。我们正在告别每个人都依赖单一供应商提供未来引擎的世界。这种多样化使整个科技生态系统更具韧性。
最终，Anthropic 组建硬件团队的决定是迈向成熟的一步。它表明 AI 不再是一个研究项目或投机性赌注。它是一个需要自己专门基础设施的工业现实。随着这些定制芯片从设计阶段进入数据中心，我们与 AI 交互的方式将会改变。它将变得更快、更便宜，并更深地嵌入到我们每天使用的设备中。你可能永远不会看到 Anthropic 正在制造的芯片，但下次当你点击发送提示词时，你肯定会感受到它的影响。
资料来源：
- Business Insider 关于 Anthropic 招聘硬件工程师的报告。
- TechCrunch 对 Anthropic 定制硅片团队的确认。
- The Information 关于三星与 Anthropic 潜在合作伙伴关系的报告。
- 关于 Google TPU 和 Meta MTIA 开发周期的历史数据。
