Anthropic也要自己造芯片：为什么大模型公司最后都在走向硬件？

做大模型的公司，为什么最后都开始研究芯片？

最近，Anthropic确认正在组建自己的芯片设计团队，希望针对Claude进行软硬件协同设计。

这件事值得关注。

因为Anthropic原本是一家典型的大模型公司，它最核心的产品是Claude，而不是CPU、GPU或者AI加速器。

但今天，大模型公司似乎越来越难只做“模型”。

从Google TPU，到云厂商自研AI芯片，再到Anthropic开始组建芯片团队，一个越来越明显的趋势正在出现：

AI竞争正在从“谁的模型更强”，走向“谁能控制整个计算栈”。

---

一、为什么大模型公司越来越离不开芯片？

原因其实很简单：

大模型太吃算力了。

训练一个大型模型，需要大量GPU。

模型上线以后，每个用户提出问题，同样需要推理算力。

当用户规模不断扩大以后，计算资源就会从一个技术问题，变成一个成本问题。

可以把大模型公司想象成一家超级工厂。

模型是产品设计。

GPU则是生产设备。

如果一家公司的核心产品越来越依赖某一种生产设备，那么设备的：

• 价格；
• 供应；
• 性能；
• 功耗；
• 交付周期；

都会直接影响公司的竞争力。

因此，芯片自然开始成为大模型公司的核心基础设施。

---

二、有英伟达GPU，为什么还要自己做芯片？

这里有一个非常重要的区别：

通用AI芯片和定制AI芯片。

GPU最大的优势之一，是通用性非常强。

今天可以训练Claude，明天也可以训练图像模型、视频模型或者其他AI模型。

但通用意味着：

它必须考虑很多不同类型的任务。

如果一家企业拥有非常大规模、非常稳定的AI工作负载，就会开始考虑一个问题：

能不能针对自己的模型，把芯片设计得更合适？

例如某些模型可能特别重视：

• 矩阵计算；
• Transformer推理；
• KV Cache；
• 内存带宽；
• 芯片互连；
• 能耗。

如果针对这些任务重新优化芯片，在足够大的部署规模下，就可能获得更好的性能和成本效率。

---

三、自研芯片不等于“抛弃GPU”

这也是很容易出现的误解。

Anthropic目前强调的实际上仍然是：

多芯片策略。

也就是说：

不同任务使用不同硬件。

目前大型AI公司越来越可能同时使用：

NVIDIA GPU
+
AMD GPU
+
云厂商AI加速器
+
自研芯片

为什么？

因为训练和推理本身就不是一种任务。

模型训练通常更看重：

• 极高算力；
• 高速互联；
• 大规模GPU集群；
• 高带宽存储。

而推理则更加关注：

• 成本；
• 功耗；
• 延迟；
• 每Token成本。

所以未来AI基础设施很可能不是“一颗芯片统治所有任务”，而是不同芯片承担不同工作。

---

四、为什么Anthropic同时又在大量采购AMD GPU？

这恰恰说明：

AI算力需求增长得太快了。

2026年7月，AMD与Anthropic宣布扩大合作，Anthropic计划部署最高2GW规模的AMD Instinct MI450系列GPU，首个GW级部署预计从2027年上半年开始。

这里最值得关注的并不是某一个具体GPU型号。

而是“GW”。

过去讨论计算机，我们很少用电力规模来描述计算能力。

今天建设AI基础设施，却越来越像建设大型能源基础设施。

数据中心需要的不只是GPU。

还包括：

• CPU；
• HBM；
• DDR；
• SSD；
• 网络；
• 光模块；
• 电源；
• 液冷；
• 数据中心。

因此AI竞争正在迅速从“芯片竞争”，扩展成“系统竞争”。

---

五、大模型公司为什么必须做软硬件协同？

假设模型设计人员完全不考虑芯片。

模型可能理论性能非常强，但运行效率并不高。

反过来，如果芯片团队不知道模型未来需要什么，也很难设计出真正高效的硬件。

于是现在越来越强调一个概念：

Co-design，协同设计。

简单理解就是：

模型设计时考虑硬件。

硬件设计时也考虑模型。

比如：

模型能否使用更低精度计算？

模型架构能否减少内存访问？

哪些算子使用频率最高？

KV Cache应该如何处理？

芯片需要多少HBM？

不同GPU之间如何交换数据？

这些问题其实已经很难单独归类为“软件问题”或者“硬件问题”。

---

六、为什么存储会越来越重要？

很多人看到大模型公司造芯片，第一反应是：

GPU竞争更激烈了。

但实际上还有另一条隐藏主线：

存储。

AI处理器越来越快以后，需要不断读取：

• 模型参数；
• KV Cache；
• 训练数据；
• 中间结果。

如果数据供应速度跟不上，计算单元就会等待。

因此未来AI芯片竞争，除了看算力，还会越来越看：

计算 + 内存 + 互连。

这也是为什么HBM这几年突然成为AI产业的重要关键词。

---

写在最后

Anthropic开始组建芯片团队，看似是一家AI公司的业务扩张。

但背后反映的其实是整个AI产业正在发生的变化。

过去竞争的是：

模型。

后来竞争的是：

模型 + 算力。

现在正在进一步变成：

模型 + 芯片 + 存储 + 网络 + 数据中心。

AI越往深处发展，软件和硬件之间的边界反而越模糊。

下一阶段，大模型公司真正争夺的，可能不只是谁拥有最聪明的模型。

还包括：

谁能够以更低的成本，把模型真正跑起来。

这也是AI芯片竞争越来越值得关注的原因。