Anthropic组建芯片团队 前谷歌Salek押注AI算力深水区

AI初创公司Anthropic正在加速推进自研AI芯片的布局，日前聘请谷歌芯片领域资深专家Amir Salek加入其计算部门，全面负责底层硬件研发相关工作。

作为行业内的资深芯片专家，Salek曾在谷歌任职近十年，2013年至2022年间带领团队完成了前七代TPU芯片的研发与落地工作。在加入谷歌之前，他还曾在英伟达工作八年，参与创立并拓展了英伟达的片上系统业务板块。离开谷歌后，Salek加入私募股权机构Cerberus Capital Management，担任高级董事总经理。此次加盟Anthropic后，他将直接向该公司计算平台主管James Bradbury汇报工作。

从外部采购到自研布局：算力自主的必然选择

长期以来，Anthropic的AI算力供应主要依赖外部供应商，目前同时采购英伟达GPU、谷歌TPU以及亚马逊AWS的相关芯片资源，以满足Claude系列大模型的训练与推理需求。随着模型快速迭代升级，公司的算力需求持续攀升，有行业消息显示，Anthropic预计2026年的计算投入将达到约190亿美元。对于高速扩张的AI企业而言，长期依赖外部芯片供应商，不仅会面临高昂的采购成本，还会承受供应链不稳定带来的潜在风险。

自研专用AI芯片，能够让企业根据自身模型的特点优化硬件架构，大幅提升推理效率，同时降低长期的计算运营成本，这已经成为头部AI企业的共同选择。谷歌通过自研TPU搭建了专属的AI基础设施，苹果围绕终端芯片打造了软硬件协同的生态体系，微软也正在推进自研AI芯片的相关计划。

对于Anthropic来说，自研芯片不仅能够降低对单一供应商的依赖，还能掌握模型运行过程中的底层优化空间。不过芯片研发并非短期能够完成的项目，先进AI芯片的设计往往需要数亿美元的投入，从架构设计到流片量产需要经历漫长的周期。因此Anthropic目前仍将继续依赖现有合作伙伴，采用多芯片路线来推进整体算力布局。

行业共振：AI企业集体转向算力自研

Anthropic并非唯一布局硬件的AI实验室，近期OpenAI也公开了自研芯片项目Jalapeño，该项目由OpenAI与博通、Celestica合作开发，核心目标是针对大语言模型的推理场景打造专用芯片。

这两家企业的动作背后有着高度相似的逻辑：随着AI应用规模的不断扩大，推理阶段的成本正在成为新的竞争焦点。模型训练阶段需要一次性投入大量算力，而模型上线后的持续推理则会产生长期、高频的计算需求。针对推理场景设计专用芯片，能够有效帮助AI企业降低运营成本，提升服务效率。Anthropic此次招募Salek，也释放出明确的行业信号：未来AI公司的竞争，将从单纯的模型能力延伸到完整的计算体系。

算力供应链：AI竞争的下一站

AI芯片的竞争正在重塑整个产业链的格局。目前英伟达仍占据AI加速芯片市场的主导地位，但头部AI企业正在通过自研芯片、拓展多供应商合作等方式，降低对单一硬件体系的依赖。

Anthropic此前已经在持续扩大算力资源的布局，包括与芯片企业、数据中心运营商展开深度合作，以保障未来模型训练和部署的需求。未来几年，AI公司的核心能力将不仅体现在模型参数规模和算法创新上，更体现在能否建立稳定、高效、可控的计算基础设施。从Claude模型到自研芯片，Anthropic正在尝试向AI基础设施服务商转型。

可以预见，AI竞争的下一阶段，将不再只是争夺更强的模型，更是争夺支撑模型稳定运行的底层算力资源。