摘要:Anthropic正式聘请谷歌TPU项目创始人Amir Salek组建自研芯片团队,目标2028年推出定制AI芯片。本文解析挖角细节、算力支出压力、“自研+多元采购”双轨战略及IPO背景。
8月22日,Anthropic向媒体证实,已聘请谷歌定制芯片项目创始人Amir Salek加入公司算力团队,向计算平台主管James Bradbury汇报。
Salek的履历在芯片圈分量极重。2013年至2022年,他从零创建谷歌定制芯片业务,一手主导了前七代TPU的研发和落地。加入谷歌之前,他还在英伟达工作了八年,创立并推动了英伟达的SoC业务,主导过25个以上的GPU和Tegra芯片开发项目。离开谷歌后,他在私募股权公司Cerberus Capital Management担任高级董事总经理。
这不是Anthropic第一次从竞争对手那里挖芯片人才。今年6月,OpenAI自研芯片团队的第二位硬件员工、代号“Jalapeno”项目的早期核心成员Clive Chan,已经悄悄跳槽到了Anthropic。现在Anthropic的芯片团队,集齐了“谷歌TPU创始负责人”加“OpenAI自研芯片核心大牛”的组合。
Anthropic为什么要自己造芯片?
最直接的答案在账本里。据报道,Anthropic2026年的算力支出估计为190亿美元,推理成本在2025年就已超出预算23%。公司2025年的毛利率只有40%,而投资者期望它在纳斯达克上市前能达到77%。37个百分点的差距,靠优化算法填不平,得从底层基础设施动刀。
通用GPU不是为Claude量身定制的。苹果M系列芯片之所以能碾压传统PC处理器,靠的就是软硬件协同设计。Anthropic想走同样的路——让懂Claude大模型算法的人和设计底层芯片的人坐在一起,让“模型+芯片”深度绑定。未来的Claude,理论上能以更低成本达到更快的推理速度和更高的智能水平。自研芯片还能帮公司绕过数据中心设施排队的瓶颈,根据自身需求定制硬件、缓解供应链压力。
但Anthropic的做法不是All in自研。它走的是“自研+多元采购”双轨战略。
在自研芯片落地之前,Anthropic同时在疯狂扫货外部算力。芯片采购端,与英国初创公司Fractile达成约2.5亿美元的首批订单——这家公司目前只有108人,芯片预计2027年才出货。同时扩大与谷歌和博通的合作,锁定2027年约3.5GW的下一代TPU容量。数据中心端,签约规模已达数百亿美元级别。Anthropic承诺未来10年投入超1000亿美元使用AWS技术,覆盖Trainium2至Trainium4各代芯片。与AMD达成战略合作,部署最高2GW的Instinct M1450系列GPU。此外还有与Volta Infra的6年100亿美元算力协议、与Riot Platforms的20年数据中心租赁协议。
Anthropic此前已规划投入500亿美元兴建数据中心。公司发言人也明确表示,将继续采取“多芯片策略”,来自AWS、谷歌、英伟达和AMD的硬件仍是扩大算力规模的核心组成部分。
自研芯片的目标时间表是2028年。先进AI芯片设计通常需要数亿美元投入,从架构设计到流片量产周期漫长。
这个时间点和Anthropic的IPO窗口高度重叠。据报道,Anthropic预计2026年10月IPO,估值可能达到2万亿美元甚至更高,将超过SpaceX今年6月上市时创下的1.77万亿美元纪录。公司6月已提交上市申请,此前一轮私募融资估值为9000亿美元。截至7月底,年化营收已突破650亿美元,二季度初步收入超115亿美元,同比增长逾14倍。
这轮芯片布局的直接账本也很清楚。Anthropic本月初首次公开确认组建内部芯片设计团队时,就在官网挂出了芯片工程师招聘信息,年薪32万至48.5万美元。公司还传出与三星电子接洽,计划采用三星2纳米制程和先进封装服务来生产这颗AI芯片。
这并不是Anthropic独有的动作。OpenAI已与博通联合开发了专为推理负载设计的Jalapeno芯片,计划今年晚些时候投入使用。谷歌DeepMind长期依赖自家TPU,Meta在推进MTIA加速器。法国AI初创Mistral也在考虑开发自有芯片。
美银证券在研报中的判断值得留意:英伟达仍将在未来几年维持AI芯片领域的绝对主导地位。ASIC通常服务于特定云厂商和特定工作负载,应用范围较窄;英伟达提供的是广泛可用、生态成熟、软硬件一体的平台。Anthropic的自研芯片在2028年之前还无法对英伟达构成实质挑战。但“去英伟达化”从来不是一夜之间完成的——它是一场持续数年的战略转移,从单一供应商依赖走向多供应商并行和自研定制并行。
Salek的加盟只是第一步。芯片从设计到流片到量产,中间有无数道坎。但Anthropic把谷歌TPU的创始人和OpenAI自研芯片的核心骨干都招到了同一个团队——至少说明一件事:AI公司的竞争,已经从模型参数、算法架构,延伸到了最底层的硅片之上。



