Anthropic 於 2026 年 8 月 5 日確認正在組建一支內部 AI 晶片設計團隊（custom silicon team），為其旗艦產品 Claude 量身打造專用晶片。Business Insider 最先報導此消息，隨後獲 Anthropic 向 TechCrunch 證實。
發生了什麼：從晶片客戶到晶片設計者
Anthropic 的晶片策略經歷了清晰的演進路徑：
- 現有合作網絡：Anthropic 目前已與 AWS、Google、Nvidia、AMD 達成雲端運算硬體合作協議，租用大量 GPU 和 AI 加速器來訓練與部署 Claude。
- 招聘自有團隊：根據職位公告，Anthropic 正在尋找具備晶片設計經驗的工程師，成立「自訂矽團隊」（custom silicon team），負責從架構設計到實現的全流程。
- 三星製造合作傳聞：上個月，The Information 報導 Anthropic 已與 Samsung 接觸，探討由三星代工製造自研 AI 晶片的可能性。
Anthropic 在聲明中表示，此舉的核心目標是**「協同設計硬體與模型」**（co-design hardware and models），讓兩者從設計之初就互相優化，以實現比現有通用 GPU 架構更高的效率與更低的延遲。
為什麼重要：頂級 AI 實驗室的「晶片軍備競賽」
Anthropic 加入自研晶片行列，意味著目前全球最具影響力的 AI 實驗室已全面投入自有硬體：
從依賴到自主的產業趨勢
| 公司 | 自研晶片 | 製造夥伴 | 發布時間 |
|---|---|---|---|
| OpenAI | Jalapeño（推理專用） | Broadcom | 2026 年 6 月 |
| Google DeepMind | TPU（已迭代至第七代） | 自研/Google | 長期佈局 |
| Meta | MTIA（AI 加速器） | 台積電 | 持續迭代 |
| Anthropic | 待公布（客製化晶片） | Samsung（傳聞） | 開發中 |
這條趨勢線清楚顯示：頂級 AI 公司不再滿足於向 Nvidia、AMD 採購通用 GPU，而是轉向開發針對自身模型架構高度優化的專用晶片。
「軟硬體協同設計」的效率優勢
Anthropic 強調的「協同設計」（co-design）並非空話。當晶片架構與模型架構同步開發時，可以實現：
- 推論速度大幅提升：專用晶片可比通用 GPU 減少不必要的計算路徑。
- 能源效率優化：針對特定精度（如 FP8、INT4）和運算模式的客製化設計，可大幅降低每 token 的能耗。
- 記憶體瓶頸突破：專用晶片可針對模型大小和注意力機制進行記憶體層級的定製。
這也正是 OpenAI 的 Jalapeño 晶片的核心設計理念——專為推論工作負載打造，而非訓練。
供應鏈安全與策略自主
在當前 AI 晶片供應高度集中於 Nvidia 的局面下，自研晶片不僅是技術考量，更是供應鏈風險管理。Anthropic 近期剛與 AI 雲端新創 Volta 簽署 100 億美元的運算基礎設施協議（2026 年 8 月 4 日），顯示其對運算資源的需求正以指數級成長。自有晶片能力將大幅增強其在硬體採購中的議價地位。
對產業的深層意涵
- Nvidia 的市場地位面臨長期挑戰：雖然短期內 Nvidia 仍將主導 AI 訓練市場，但隨著各大實驗室陸續推出自研推論晶片，Nvidia 在推理階段的市佔率可能逐步受到侵蝕。
- 晶片設計人才爭奪戰升溫：頂級 AI 實驗室與傳統晶片巨頭（Intel、AMD、Qualcomm）將在 AI 晶片設計人才上展開激烈競爭，薪酬與股權激勵可能進一步推高。
- 開源硬體的呼聲可能出現：正如開源模型改變了 AI 軟體生態，部分業界觀察者預測，未來可能出現開源 AI 晶片設計的運動，以對抗巨頭們的封閉硬體策略。
本文信息來源：TechCrunch、Business Insider、The Information。