Anthropic 将自研硬件以驱动 Claude，减少对英伟达依赖
Anthropic 正在加速摆脱对英伟达的依赖，计划自主设计硬件来驱动其 AI 模型 Claude。 这一动向与 OpenAI 的类似战略不谋而合，标志着 AI 巨头在算力竞赛中正从“租用”转向“自建”。
据知情人士透露，Anthropic 已组建专门的硬件团队，致力于设计定制芯片和服务器系统，旨在优化 Claude 的训练与推理效率。此前，Anthropic 主要依赖英伟达的 GPU（如 H100）以及云服务商的算力租赁。然而，随着模型规模扩大和推理成本攀升，自研硬件被视为降低长期成本、提升性能的关键路径。
自研硬件并非易事，但 Anthropic 拥有独特的优势。 其与亚马逊和谷歌的深度合作提供了资金和工程支持——亚马逊是其最大投资者之一，而谷歌则提供 TPU 算力。Anthropic 可以借鉴谷歌 TPU 的设计经验，同时利用亚马逊的芯片设计资源（如 Inferentia）。此外，Anthropic 在算法层面的积累（如强化学习与可解释性研究）有助于硬件与模型的协同优化。
这一战略背后是 AI 行业算力格局的深刻变革。 英伟达 GPU 长期供不应求，价格高昂，且交付周期长，成为制约 AI 公司发展的瓶颈。自研芯片虽前期投入巨大，但能提供更定制化的计算架构，减少对单一供应商的依赖，并可能带来能效和成本的双重优化。OpenAI 也在与博通合作开发定制芯片，并投资了多家芯片初创公司。
然而，自研硬件面临技术和生态双重挑战。 芯片设计周期长，通常需要 2-3 年，且需与软件栈（如编译器、框架）深度适配。Anthropic 能否在短时间内量产并部署，尚存不确定性。此外，英伟达的 CUDA 生态壁垒深厚，迁移到新架构需要大量工程投入。
展望未来，AI 算力竞争将更加多元化。 除了英伟达，谷歌 TPU、AMD MI 系列以及各家自研芯片将形成多极格局。Anthropic 的自研计划若成功，不仅能增强自身竞争力，也可能推动整个行业向更开放、更高效的算力方向演进。对于开发者而言，这意味着未来可能有更多硬件选择，但也需适应新的技术栈。
目前，Anthropic 尚未公布具体硬件路线图或时间表，但这一战略信号已引发市场广泛关注。 在 AI 竞赛白热化的当下，算力自主权或许将成为决定胜负的关键筹码。