Anthropic接洽三星自研AI芯片，大模型公司集體“造芯”成趨勢

當Claude展現出驚人的長文本理解能力，其背后的算力消耗同樣驚人。據估算，維持Claude等前沿模型千萬級日活用戶的推理，每天僅芯片折舊成本便可能高達數十萬美元。這種燒錢速度，讓Anthropic這家由前OpenAI核心員工創立、以AI安全為使命的明星公司，不得不在融資之外，尋找一條更根本的破局之道。答案指向了自研AI芯片，而它選擇的盟友，是渴望在AI代工領域彎道超車的三星。這一聯手，吹響了大模型公司集體從云端下沉到硅基的沖鋒號。

01

Anthropic的芯片野望

據外媒披露，Anthropic已與三星電子展開深度談判，核心議題是開發一款專為其大模型設計的AI推理芯片。這并非一次簡單的商業采購，而是一場涵蓋架構定義、制造工藝與高帶寬內存集成的全面技術合作。消息一出，業界震動，因為這意味著大模型公司對算力的焦慮，已從軟件層面的“提示詞優化”、“模型蒸餾”，延伸到了物理層面的晶體管電路設計。

Anthropic之所以跳出傳統芯片廠商的現成方案，直接尋求自研，最直接的驅動力是推理成本的結構性痛點。通用GPU在處理海量矩陣運算時，存在大量在AI任務中非必要的電路和功能，能效比遠未達到極限。一位接近交易的人士透露，Anthropic的設想是，剝離所有不必要的圖形渲染模塊，圍繞其自研的Claude模型稀疏激活機制，打造一款在特定模型推理時效能提升數倍的專用ASIC芯片。這不僅能大幅降低單次API調用的成本，更能使其擺脫對英偉達CUDA生態的路徑依賴，真正將硬件掌控在自己手中。

而選擇三星，則是一次精明的雙向奔赴。三星擁有從芯片設計、晶圓代工到HBM高帶寬內存的一體化制造能力，對于極度渴求內存帶寬的AI推理芯片而言，這一垂直整合能力具備致命吸引力。對三星來說，贏得Anthropic這樣的前沿模型廠商作為客戶，意味著其3納米以下先進制程和HBM存儲器，找到了一個能不斷提出極端需求、共同定義下一代產品的理想合作伙伴，這是它在臺積電的陰影下實現代工崛起的重要契機。

02

將Anthropic的行動放到更大的版圖中觀察，就會發現這絕非孤例，而是一股正在席卷整個頭部大模型圈的集體覺醒。

一場產業鏈的反向定義

大模型公司集體造芯，正引發芯片制造環節的權力重構。傳統的芯片設計巨頭如英偉達、AMD，需要重新審視這些昔日的客戶正變成潛在的競爭對手。但對于晶圓代工廠和設計服務商來說，一場盛宴才剛剛開始。

OpenAI的動作最為激進。其CEO山姆·阿爾特曼被曝正在全球范圍內，為一項代號“Tigris”的芯片項目籌集巨額資金，目標是建設能支撐超級智能的專屬芯片制造網絡。與此同時，OpenAI已與博通等芯片設計巨頭合作，開發定制化的AI推理芯片，并頻繁與臺積電接觸。

如果說OpenAI的激進尚在情理之中——畢竟它站在大模型競賽的最前沿，對算力成本和供應安全的痛感最為直接——那么當這份自研芯片的名單不斷拉長，事情的性質就變了。谷歌的TPU早已是定制芯片的教科書案例，至今迭代至第五代，為其Gemini模型提供了強大的專屬算力基座。微軟去年年底發布的Maia 100芯片，直接瞄準云端AI負載，意在打破對英偉達GPU采購一家獨大的局面。Meta雖自研芯片之路波折不斷，但從未放棄，正持續為推薦系統和生成式AI研發能效更優的MTIA系列芯片。就連曾被傳出放棄自研的亞馬遜，其Trainium和Inferentia芯片早已大規模部署。從初創公司到云巨頭，從搜索霸主到社交帝國，幾乎每一個AI賽道上的重量級玩家，都在硅基世界里劃下了自己的領地。

為什么這些商業模式迥異、競爭關系錯綜復雜的公司，會不約而同地走向同一條路？答案或許不在每家公司的個體戰略里，而在于它們共同面對的算力困境——這個困境有三層，層層遞進，把所有玩家都推向了自研芯片的窄門。

最表層的是成本賬。一個前沿大模型在推理階段，每天僅芯片折舊就可能燒掉數十萬美元。當模型日活用戶突破千萬量級時，使用通用GPU意味著要為大量AI任務中根本用不到的電路和功能付費。自研芯片將這部分冗余全部剔除，哪怕能效只提升百分之二三十，按年度折算也是一筆足以改變財報成色的數字。按照目前的價格曲線，一枚自研ASIC的單位推理成本，有望做到同代次GPU的四分之一到三分之一。這不是錦上添花的優化，而是關乎模型服務能否跑通商業閉環的生死線。

更深一層的是供應焦慮。英偉達的GPU交付周期動輒拉長到半年以上，產品節奏完全不受下游客戶控制。所有大模型公司都清楚一個冰冷的現實：把自己的技術命脈交給一家供應商，且這家供應商同時服務于你所有的競爭對手，這在戰略上不可接受。自研芯片未必能在性能上超越英偉達，但它至少提供了一張底牌——當外部供應出問題時，你還有自己的產線可以頂上去。某種意義上，自研芯片的保險費屬性，比它的技術價值更重要。

而最底層、也最具決定性的驅動力，是算法與硬件的深度融合。過去，模型開發者只能被動適應現成芯片的架構約束；現在，頭部玩家開始反過來，讓芯片為自己的模型量身定制。用芯片的思維做模型，用模型的需求定義芯片——這種軟硬一體的能力，正在成為AI競爭的新護城河。谷歌TPU的成功已經證明了這條路徑的威力：Gemini模型在TPU上的推理效率，遠非移植到通用GPU上可比。當算法的每一步矩陣運算都能找到與之精確匹配的晶體管電路時，性能提升不是線性的，而是躍遷式的。所有大模型公司都想復制這種躍遷。

這三重壓力層層疊加，把自研芯片從一個可選項，變成了頭部玩家的必選項。不是說每家公司都能成功，而是不試的代價已經大到無法承受。

03

誰能承接這波造芯紅利

臺積電毫無疑問是最大贏家。其先進制程和CoWoS封裝幾乎成為了所有AI自研芯片的必然選擇，訂單已排至數年之后。而三星則試圖憑借內存-代工-封裝的一體化捆綁方案，從臺積電口中奪食，Anthropic的接洽正是這一策略取得突破的潛在標志。英特爾則祭出其代工服務IFS和開放芯片互連標準，試圖招攬那些希望避免臺積電獨大的玩家。與此同時，博通、Marvell等定制芯片設計服務商的估值飆漲，它們正在為多巨頭同時開發多款AI ASIC，享受著賣鏟子給造鏟人的雙重紅利。

這場“造芯”運動也并非一條坦途。設計一款能與英偉達在軟件生態上匹敵的芯片，投入動輒數億美元，周期長達兩到三年，且充滿失敗風險。英偉達已筑起了一道由硬件迭代速度、CUDA生態和NVLink互聯技術構成的堅固圍欄。黃仁勛不久前公開表示，即便競爭對手的芯片免費，也未必比英偉達的綜合成本更低。他的底氣在于，英偉達正以兩年一代的頻率，將性能成倍推升，這種蠻橫的演進節奏讓任何自研芯片一經落地就可能面臨落后的窘境。自研芯片更像是一場豪賭，是用今天的不確定去對沖明天受制于人的更大風險。

Anthropic與三星的牽手，是大模型競爭從參數規模、多模態能力向算力主權延伸的里程碑。當最純粹的模型公司也開始親自下場定義芯片，AI產業的垂直整合已然不可逆轉。

這股浪潮并非硅谷的專利。在大洋此岸，中國AI企業同樣在芯片自研的路上加速奔跑。百度走的是一條全棧自研之路，其昆侖芯系列AI芯片已迭代至第三代，7納米工藝、量產數萬片，不僅服務于文心一言的訓練與推理，更在智慧交通、工業互聯網等場景規模化落地。字節跳動的動作更為隱秘但同樣堅定，組建了數百人的芯片團隊，聚焦自研AI推理芯片和服務器專用芯片，目標直指其抖音推薦系統和豆包大模型的推理成本優化。華為的昇騰系列在外部制裁壓力下扛起了國產AI算力的重擔，據公開信息，昇騰910C在多項大模型推理基準測試中展現出對標國際主流產品的競爭力。阿里平頭哥的含光系列芯片、騰訊投資的燧原科技等，也都在各自的路徑上持續投入。

這些中國玩家的造芯實踐，與OpenAI、Anthropic、谷歌們的動作在底層邏輯上并無二致——都是在試圖擺脫對單一供應商的依賴，都是在用算法定義硬件的反向整合邏輯，都是在為下一階段的模型競爭儲備算力主權。區別只在于路徑不同：美國企業多走與博通、臺積電等成熟伙伴聯合定制的路線，中國企業則在技術封鎖的環境中，被迫走出一條更加全棧、更加自主的突圍之路。

未來，大模型時代的勝出者，很可能不再僅憑優雅的算法勝出，而必須同時成為深諳晶體管物理和代工博弈的硬件定義者。造芯，對于中美兩國的頭部AI企業而言，都已不再是可選項，而是通往獨立和長期生存的必由之路。當算法與硅片之間的界限徹底消失，這場“軟硬一體”的戰爭，才剛剛拉開帷幕。