2026 年 7 月初,据 The Information 援引多位知情人士消息,Anthropic 正在与三星电子洽谈合作生产定制 AI 芯片。TechCrunch 同日报道确认了这一消息,并补充细节:Anthropic 尚未决定这款芯片的具体用途、在服务器中的定位、性能水平。这不是 Anthropic 第一次传出”自研芯片”动向——2026 年 4 月,路透社就已经报道 Anthropic 正在”权衡自己造 AI 芯片”。从”权衡”到”洽谈具体制造商”,Anthropic 用了不到三个月。
一、这条消息的真实分量
1. Anthropic 的回应”官话”但留了余地
Anthropic 在被 TechCrunch 求证时,明确表态:
但对”Samsung 合作”这一话题,Anthropic 只说了一句”nothing further to add”(无可补充)。
这种”多元化硬件栈仍重要”的表述,看似是在安抚现有合作伙伴,实际上等于间接确认了”我们在考虑加一个新选项”。如果 Samsung 合作只是空穴来风,Anthropic 会直接否认。
2. 制造商:为什么是三星而不是台积电
芯片制造领域,台积电(TSMC)是绝对龙头。但 Anthropic 这次选的是三星而非台积电,有几个深层原因:
- 地缘政治对冲:过去两年,美国对台积电的关注度持续上升(供应链安全、技术管制),Anthropic 主动分散到韩国三星,可以降低”鸡蛋放一个篮子”的风险
- 三星已有的合作通道:三星已经是英伟达的关键代工伙伴,Nvidia 的部分推理芯片由三星生产。三星的 AI 工厂(AI Factory)与英伟达合作,从设计到制造全链条都有积累
- 议价能力:三星相比台积电,更需要像 Anthropic 这种大客户(三星的先进制程良率相对台积电仍有差距,大客户订单是关键)
- Google 关系:三星已经讨论为 Google 生产下一代 AI 芯片。Anthropic 与 Google 算力关系密切(三方都在 Google Cloud / TPU 上有大额投入),走”Google 同款制造商”可以借鉴经验
3. 关键不确定性:芯片用途、性能、定位都还没定
报道明确说,Anthropic 还没决定三件事:
- 芯片用途:训练还是推理?通用计算还是特定任务?
- 服务器集成方式:作为主处理器还是协处理器?独立 GPU 还是搭配 Nvidia?
- 性能水平:比 H100 强还是专门为低功耗场景设计?
这意味着 Anthropic 这次”洽谈”还远没到流片阶段,更像是”可行性研究”+”长期规划”。但即便如此,Anthropic 也在主动押注未来会有”非 Nvidia 选项”。
二、Anthropic 不是孤例:AI 公司集体”去英伟达化”
Anthropic 的动作只是 AI 公司集体挑战英伟达垄断的近期最新一步。过去 12 个月,主要 AI 巨头几乎都已启动”自研/定制芯片”路径。
1. OpenAI + Broadcom 的 Jalapeño
报道提到的最直接对标,是 OpenAI 上周(2026 年 6 月底)与 Broadcom 合作发布的首款定制推理芯片 “Jalapeño”。
OpenAI 表示 Jalapeño 在”每瓦性能”上优于现有竞争对手芯片。这是一款专为推理任务设计的芯片,不是训练芯片——这一定位选择本身就说明:AI 公司自研芯片的优先级是”降低推理成本”,而不是”追赶 Nvidia 的训练霸权”。
推理 vs 训练的区分极其关键。训练需求高性能 GPU(H100 / B200),但推理需求”性价比 + 规模化部署”,后者有更多差异化空间。
2. Google TPU
Google 的 TPU(Tensor Processing Unit)是 AI 公司自研芯片的鼻祖,经过 8 年迭代已是 v6 版本。Google Cloud 通过 TPU 提供差异化的算力服务,与 Nvidia GPU 形成”两条路线”竞争。Anthropic 本身就是 Google Cloud 的大客户。
3. Amazon Trainium + Inferentia
亚马逊 AWS 推出 Trainium(训练芯片)和 Inferentia(推理芯片)两款自研 AI 芯片,集成到 AWS EC2 实例里。Anthropic 使用 Amazon Bedrock 服务,自然也是 Trainium / Inferentia 的客户。
4. Meta MTIA
Meta 自研的 MTIA(Meta Training and Inference Accelerator)是其应对 AI 算力需求的核心硬件。Meta 此前基本全部依赖 Nvidia,2024-2025 年开始大规模部署自研 MTIA。
5. 微软 Maia + Cobalt
微软推出 Maia(AI 加速器)和 Cobalt(通用 CPU)两款自研芯片,2025 年开始大规模部署到 Azure 数据中心。
这张清单会越拉越长。 当 Top 5 AI 公司中已有 4 家拥有或正在研发自研芯片,Anthropic 的下一步几乎是必然的。
三、Anthropic 自己做芯片的三层逻辑
Anthropic 必须跟随行业趋势自研芯片,这不只是”潮流”,而是三层实际逻辑的叠加。
1. 成本逻辑:Nvidia 定价权太强
英伟达 H100 单卡售价 3-4 万美元,B200 单卡 5-7 万美元。一个 10000 卡的数据中心,仅 GPU 采购就要 4-7 亿美元,加上服务器、散热、网络,总投入轻松过 20 亿美元。这部分成本会传导到 API 价格,API 价格越高,客户越倾向于自托管或选竞品,Anthropic 的竞争力就被削弱。
自研芯片虽然前期投入大,但边际成本远低于”采购 Nvidia”——一旦芯片到位,单次推理成本可以下降 30-50%。
2. 战略独立:Nvidia 供应不稳定
2024-2026 年,英伟达高端芯片(H100 / B200)长期处于”供不应求”状态,客户经常需要等 6-12 个月。Anthropic 2025 年就公开承认”算力供应是我们的瓶颈”。
把自己的芯片设计交给多家代工厂(三星、未来的台积电)生产,可以有效避免被英伟达的产能分配绑架。这部分独立性与”性能优化”同样重要。
3. 技术差异化:模型+硬件协同
Google 在 TPU 上的实践已经证明:模型架构 + 硬件协同设计可以挖掘出通用 GPU 拿不到的性能。Anthropic 的模型架构(Claude)在长上下文、Agent 编排、工具调用上有独特定制,理论上自研芯片可以针对这些场景优化,而 Nvidia 通用 GPU 没办法为单一公司优化。
这条逻辑对 Anthropic 尤其重要——Claude 系列模型的核心是”长上下文 + Agent 协作”,如果芯片能针对这些场景做架构优化,可能拿到 2-3 倍的性能差距。
成本独立 + 战略独立 + 技术差异化,这是 AI 公司集体走向自研芯片的根本驱动力。
四、Samsung 进场对芯片产业链意味着什么
1. 三星能否补上”非台积电”位置
三星在 7nm 以下先进制程的良率历史上落后于台积电,这让多数 AI 芯片公司仍优先选择台积电。但三星这次与 Anthropic 合作,可能会改写这一格局:
- Anthropic 选三星,意味着”对芯片良率有较高容忍度”——可能芯片不是为最顶尖训练设计,而是为推理或中间负载设计
- 三星会借此机会扩大 AI 芯片制造份额,从 Nvidia 通用 GPU 代工扩展到”AI 公司自研定制芯片”代工
- 其他 AI 公司看到 Anthropic + 三星的成功经验后,可能跟进——三星的客户名单会越来越长
2. 韩国 AI 基础设施话语权
韩国长期在 AI 应用上有 ChatGPT / Claude 等海外模型大量使用,但在 AI 基础设施工厂端几乎没有话语权。三星 + Anthropic 合作,如果落地,等于把韩国拉回 AI 基础设施工厂俱乐部——和美国(台积电亚利桑那)、日本(Rapidus)形成三足。
3. 全球芯片格局重塑
AI 芯片从”Nvidia 一家独大”走向”Nvidia + 少数定制芯片”的多元化格局,意味着:
- Nvidia 的护城河开始被侵蚀:AI 公司不再把”我用了多少 H100″当作宣传点,而是开始宣传”我用自研芯片,单次推理成本下降 X%”. Nvidia 的”AI 算力标准”地位被削弱
- 代工厂重新洗牌:台积电 + 三星 + 英特尔(Intel Foundry)+ Rapidus 的多元格局逐步形成
- EDA / IP 公司获益:不论是台积电还是三星代工,都需要 Arm / Synopsys / Cadence 等上游 EDA 工具,这些公司的客户基础会扩大
五、对 Anthropic 商业策略的延伸影响
如果自研芯片落地,Anthropic 的商业策略有几个明显变化:
1. Claude API 价格可能下调
自研芯片带来 30-50% 的单次推理成本下降,Anthropic 可以选择”维持毛利率”提高利润率,也可以选择”降价抢市场”扩大份额。在 Anthropic 这两年用户快速增长的情况下,降价抢市场是更合理的策略——这部分用户增长最终会变现成更大的 SaaS 收入。
2. 企业自托管方案加速
很多大客户(银行、保险公司、政府机构)因为数据合规要求,需要本地部署 AI 模型。Anthropic 当前只有 Claude API + AWS Bedrock,没有专门的自托管硬件方案。如果自研芯片成熟,Anthropic 可以推”Claude + 自研芯片”的捆绑自托管方案——类似苹果的”硬件 + 软件”模式。这会打开全新的企业市场。
3. 算力供应多元化
Anthropic 算力 = Google TPU + AWS Trainium + Nvidia GPU + 自研芯片。这种多元化让 Anthropic 在与任何一家算力供应商谈判时都有更强议价能力——这是过去两年 Anthropic 与 Google / AWS 谈判中一直想要的筹码,自研芯片落地后终于有了。
4. 监管/地缘政治层面的对冲
美国对华芯片管制持续升级,Anthropic 在海外(欧洲、亚洲)业务可能面临算力供应的不确定性。自研芯片在非美国代工厂(三星)生产,可以为这些市场提供”非美国管控”的算力选项。
对 Anthropic 来说,自研芯片不是单纯的技术选择,而是商业策略的地基。
六、短期 vs 长期的分歧:为什么此刻才动手
有一个值得思考的问题:为什么 Anthropic 2026 年才认真做这件事?2025 年 OpenAI 就在筹划自研芯片,Google 做 TPU 已经 8 年。
1. 资金壁垒
Anthropic 自研芯片的前期投入——团队组建(50-100 人芯片工程师团队)、流片(一次 7nm 流片成本约 2000-5000 万美元)、量产、量产测试——总投入超过 5 亿美元是常态。Anthropic 2025 年 10 月刚完成估值千亿美元的融资(谷歌领投),有财力做这件事。早期 Anthropic 估值低、资金紧,做芯片有心无力。
2. 技术壁垒
自研 AI 芯片不是”花钱请人做就行”——需要模型团队和硬件团队的深度协作。Anthropic 早期专注模型本身,2025 年起开始组建硬件工程团队。人才储备需要时间。
3. 时机选择
2024-2025 年是”AI 公司集中采购 Nvidia”的窗口期,因为 Nvidia 算力是稀缺资源。2026 年开始,Nvidia 算力供应相对充足,采购成本也开始被 AI 公司关注。这时候启动自研芯片,时间点恰到好处——既能赶上”Nvidia 替代潮”的红利,又不会因”太晚”被市场淘汰。
如果 Anthropic 2027 年再做这件事,可能会发现 OpenAI + Google + Amazon + Meta 已经把”自研芯片”做成标配,自己反而落后。
Anthropic 这次”晚做比没做好”,节奏踩得准。
七、未解的问题与下一步观察点
报道留下几个关键悬念,接下来要看 Anthropic 如何补全这些信息:
- 芯片用途:推理优先?训练优先?专门为 Claude 长上下文设计?
- 代工深度:三星只做制造,还是参与架构定义?
- 流片时间表:芯片预计什么时候进入实际部署?
- 与 Google / AWS 的协调:自研芯片会不会让 Anthropic 减少在 Google TPU / AWS Trainium 上的投入?
- Anthropic 何时官宣:目前是”泄漏 + 默认”,Anthropic 何时正式确认芯片计划?
- 对 Nvidia 股价的影响:每次”AI 公司自研芯片”消息,Nvidia 股价都会有微跌。这次又会有多大幅度?
这是 2026 年 AI 基础设施层最值得跟踪的事件之一——Anthropic 加入”自研芯片俱乐部”标志着 AI 公司算力独立时代的全面到来,Nvidia 的”AI 算力霸主”地位将在未来 3-5 年持续被挑战。
4. 三星与 Nvidia 关系的微妙变化
值得一提的是,三星已经是英伟达推理芯片(H100 部分版本、B100 部分版本)的关键代工伙伴。如果三星再帮 Anthropic 做”对标 Nvidia”的芯片,等于既帮 Nvidia 又帮 Nvidia 的潜在替代者——这种”双供应商”策略在芯片行业并不罕见,但 Anthropic 这件事对 Nvidia 来说是”明确信号”:AI 公司希望分散,Nvidia 不能独占。
这就是英伟达过去 18 个月股价从 $140 高位震荡到 $95 区间的根本原因——市场已经定价”Nvidia 算力垄断被慢慢侵蚀”。
我要评论