Anthropic确认组建自研AI芯片设计团队，但仍将依赖多家供应商

Anthropic已确认组建内部custom silicon团队，为Claude设计定制芯片，但仍处于招聘与组建阶段，未公布制造合作方或量产时间。公司强调将继续依赖AWS、Google、Nvidia和AMD等外部硬件，采取“多芯片”路线以兼顾性能、能效与风险管理。

Anthropic于8月5日确认，正在组建一支内部 custom silicon 团队，为Claude模型设计定制芯片。这是公司首次公开确认相关计划，但目前仍处于组建团队和招聘工程师阶段，尚未公布芯片量产时间、制造合作方或实际部署规模。

Anthropic表示，公司希望通过硬件与模型的协同设计，让Claude在客户需求持续增长的情况下运行得更快、更高效。公司同时强调，将继续采取“多芯片”路线，AWS、Google、Nvidia和AMD的硬件仍会是其扩展训练和推理能力的重要组成部分。

这意味着，Anthropic的动作更接近于增加一层内部设计能力，而不是立即摆脱现有供应商。对于一家需要持续扩大训练和推理基础设施的前沿模型公司来说，自研芯片可能有助于改善特定工作负载的性能和能效，但也会带来芯片设计、验证、制造和部署方面的长期成本与风险。

从“探索自研”到公开招聘

路透社4月曾报道，Anthropic正在探索设计自有AI芯片的可能性。当时消息人士称，计划仍处于早期阶段，公司尚未决定采用具体设计，也没有组建专门团队。路透社当时还指出，先进AI芯片的设计成本可能达到约5亿美元，企业需要招聘稀缺工程人才，并投入大量资源降低制造缺陷风险。

到了7月，TechCrunch报道称，Anthropic正在与三星电子讨论定制芯片的潜在制造合作。该报道援引知情人士说法，提到相关讨论仍处于早期阶段。Anthropic并未确认已经与三星达成制造协议，因此这条报道只能作为此前计划推进的背景，不能被写成已经完成的合作。

8月5日公开的Anthropic招聘页面则给出了更直接的证据。公司正在招聘 Silicon Engineer，并明确写道，Anthropic“正在通过组建 custom silicon 团队进一步加深这项投入”。招聘方向覆盖前端设计、流片前验证、物理设计、可测试性设计、模拟与混合信号、工艺与晶圆厂、CAD和设计基础设施，以及封装、信号完整性和电源完整性等领域。

职位要求候选人拥有已经流片并交付芯片的实际经验，能够参与从战略、规格制定到执行的完整流程，并在“自建、采购或授权”之间作出技术判断。招聘页面还提到，团队将与推理、性能、内核和基础设施团队合作，推进硬件—软件协同设计，并在首片流片后参与启动和调试。

这说明Anthropic当前要建立的并非只负责研究概念的团队，而是覆盖芯片项目多个实际环节的工程组织。不过，招聘信息本身并不等于芯片已经完成设计，也不能证明公司已经确定了代工厂、封装方案或量产节点。

多芯片路线不会立即改变

Anthropic对外强调的另一个重点，是不会把自研芯片视为单一解决方案。公司表示，AWS、Google、Nvidia和AMD的硬件仍将处于扩展Claude算力的核心位置。

这一点与Anthropic此前的基础设施布局相吻合。公司在与亚马逊扩大合作的公告中表示，双方将新增最多5吉瓦计算容量；Anthropic目前使用超过100万颗Amazon Trainium2芯片来训练和服务Claude，并计划继续使用从Trainium2到未来一代定制芯片的AWS技术。

Anthropic还表示，AWS是其关键任务工作负载的主要训练和云服务提供商，同时Claude也通过Google Cloud和Microsoft Azure提供服务。换句话说，内部设计团队的建立，首先是为了扩大Anthropic对芯片架构、性能和软硬件协同的控制力，而不是宣布其将停止采购外部硬件。

在需求快速增长的背景下，这种组合策略也更容易理解。Anthropic称，企业和开发者对Claude的需求在2026年加速增长，其年化运行收入已经超过300亿美元，高于2025年底约90亿美元的水平。公司随后与亚马逊签署长期算力协议，正是为了缓解训练和推理基础设施的压力。

AI实验室为何开始走向芯片设计

Anthropic并不是唯一试图把硬件能力掌握得更深的AI公司。Google长期依靠自有TPU支持AI模型，Meta开发了MTIA系列加速器，OpenAI也在今年6月公布了与博通合作开发、面向推理工作负载的Jalapeño芯片。

背后的原因并不只是芯片短缺。对于大规模模型服务而言，推理成本、能耗、内存带宽和系统利用率都会影响产品的商业可持续性。通用GPU能够支持更广泛的任务，但在特定模型和固定工作负载上，定制芯片可能通过架构、数据流和软件栈的协同获得更高的每瓦性能或更低的单位成本。

不过，自研芯片也意味着公司要承担更长的开发周期、更高的前期投入和更复杂的供应链协调。芯片设计需要经过规格制定、验证、物理实现、流片、封装、测试和系统集成等环节，任何一个环节出现问题，都可能推迟产品部署。

因此，Anthropic目前的“多芯片”路线也具有风险管理的含义：即使内部项目进度慢于预期，公司仍可继续依靠AWS、Google、Nvidia和AMD的产品扩展算力；如果定制芯片最终达到预期，则可以在部分工作负载上增加选择，并减少对单一供应路径的依赖。

算力扩张正在变成资本与供应链问题

自研芯片的讨论还必须放在更大的AI基础设施投资周期中观察。AI数据中心需要同时投入芯片、机房、电力、网络、冷却和融资，模型公司的技术路线越来越难以与资本开支和供应链决策分开。

AIFlux此前报道，Citadel Securities预计，到2028年，围绕AI数据中心芯片的公共和私募信贷市场可能新增超过5000亿美元债务。相关判断认为，部分融资期限将与芯片更新周期相匹配，市场关注点也因此从“建设数据中心”转向“持续采购和更换芯片”。

对Anthropic而言，扩大外部算力采购与建立内部芯片团队并不是两条互相排斥的路线。公司需要一方面锁定足够多的现成计算资源，另一方面通过架构和系统层面的参与，提升对未来成本和性能的控制能力。AIFlux此前关于AI基础设施债务重新定价以及Anthropic相关算力贷款的报道显示，算力扩张的融资成本也已经成为需要单独评估的变量。

类似的趋势也出现在芯片供应商一侧。联发科近期批准最高50亿美元的融资预算，押注AI数据中心定制芯片业务，并把云端ASIC视为新的增长方向。其案例表明，定制芯片市场的扩张不仅需要模型公司提出需求，也需要芯片设计、制造、封装、内存和数据中心系统等环节共同投入。

目前仍无法回答的几个问题

Anthropic尚未公布自研芯片的具体架构、面向训练还是推理、是否已经进入设计冻结阶段，也没有确认制造合作伙伴、制程节点、量产时间和部署规模。

招聘页面所说的“支持首片流片后的启动和调试”，说明团队的职责范围已经覆盖实际硅片交付，但这并不代表公司已经完成流片，或已经拥有可以部署到数据中心的芯片。此前关于三星可能参与制造的报道，同样不能替代Anthropic或三星的正式公告。

接下来值得关注的是，Anthropic会先在哪类工作负载上使用定制芯片，是否会继续扩大与现有芯片供应商的联合设计，以及内部团队最终会承担多少设计权。对公司来说，真正的里程碑不是招聘公告本身，而是能否把模型需求转化为稳定、可验证且具有经济意义的硅片产品。

目前可以确认的是，Anthropic已经从早期的“探索是否自研”进入了公开组建团队的阶段；尚不能确认的是，这一团队何时会交付芯片，以及它最终会在Claude的整体算力结构中占据多大比例。

来源

• Reuters，2026年4月9日：Anthropic weighs building its own AI chips, sources say
• Reuters，2026年8月5日：Anthropic to build in-house chip design team for Claude, hire engineers
• TechCrunch，2026年8月5日：Anthropic is hiring an AI chip design team
• Business Insider，2026年8月5日：Anthropic confirms it’s building an in-house chip team for Claude
• Anthropic招聘页面：Silicon Engineer
• Anthropic官方公告：Anthropic and Amazon expand collaboration for up to 5 gigawatts of new compute
• TechCrunch，2026年7月2日：Anthropic is discussing a new custom chip with Samsung
• AIFlux：Citadel Securities预计到2028年AI芯片债务融资将再增逾5000亿美元
• AIFlux：联发科批准最高50亿美元融资预算，押注AI数据中心芯片