Anthropic 自建晶片團隊壓低 Claude 成本
Anthropic 開始招募自研晶片團隊，目標是壓低 Claude 的推論成本，同時仍維持 Google TPU、AWS 與 Nvidia 的算力合作。
Anthropic 已開始招募自研晶片團隊，目標是壓低 Claude 的推論成本。
Anthropic 這步棋很直白。Claude 吃掉的 Token 太多，算力帳單也跟著變大。公司一邊找晶片人才，一邊還繼續跟 Google TPU、AWS Inferentia、NVIDIA 合作，路線很務實。
這代表 Anthropic 想把成本控制得更細。對 LLM 公司來說，訓練很燒錢，推論也一樣燒。當產品開始大規模服務企業客戶，省下來的每一分推論成本，都會直接反映在毛利上。
這種做法也很符合現在的 AI 產業節奏。模型公司不想只當軟體商，因為算力價格一波動，財務表現就跟著抖。自己養一支晶片團隊，至少能把部分命運握在手上。
| 項目 | 內容 |
|---|---|
| 公司 | Anthropic |
| 目標 | 降低 Claude 推論成本 |
| 既有算力來源 | Google TPU、AWS Inferentia、NVIDIA GPU |
| 核心背景 | Claude 服務大量 Token 推論 |
自研晶片，先看的是帳單
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
很多人一聽到自研晶片，就會聯想到硬派技術秀。但對 Anthropic 來說，這比較像財務工程。推論成本如果能降下來，Claude 的商業模式就更好算，也更能撐住企業級定價。
這件事的重點很現實。AI 服務不是只比模型分數，還要比每次回答要花多少 GPU 時間。當 Token 量一大，任何 5% 到 10% 的成本差距，都會變成很可觀的金額。
Anthropic 不是第一家想碰這件事的公司。Google 很早就把 TPU 當成自家 AI 基礎設施核心。OpenAI 也長期依賴雲端與硬體夥伴。只是現在大家都更清楚，光靠外部供應商，成本談判空間有限。
- 自研晶片能針對 Claude 的推論流程做優化。
- 外部 TPU 與 GPU 仍會保留，風險比較分散。
- 成本下降後，企業客戶定價更好談。
- 人才招募本身就是長期投入訊號。
晶片團隊不是裝飾品
晶片團隊一旦成立，就不是找幾個硬體工程師來湊數。它牽涉架構、編譯器、記憶體配置、模型切分，還有和雲端供應商對接的實務問題。這些東西都很硬，也很花時間。
對 AI 公司來說，最難的地方常常不是設計一顆晶片，而是把模型真的跑在上面。Claude 的工作負載和一般影像晶片完全不同。它要處理長上下文、即時回應，還要兼顧穩定性。
因此，Anthropic 就算真的做出自家晶片，也不會一下子甩開現有供應商。比較合理的路線，是先讓部分推論工作轉過去，再慢慢擴大。這種節奏雖然不炫，但比較不會翻車。
「The only way to discover the limits of the possible is to go beyond them into the impossible.」— Arthur C. Clarke
這句話常被拿來形容技術嘗試。放在 Anthropic 身上，其實更像是在講經濟邏輯。做晶片不是為了帥，是為了把每次模型回應的成本壓低。
而且這條路很吃團隊整合能力。晶片、模型、雲端、供應鏈，少一塊都不行。這也是為什麼多數 AI 公司最後都會回到一個老問題：自己做，還是跟別人買。
跟 Google、AWS、NVIDIA 的關係更像多線下注
Anthropic 目前看起來不是要切斷合作，而是增加籌碼。Google TPU 擅長大規模 AI 計算，AWS 提供雲端彈性，NVIDIA GPU 仍是市場主流。把這三條線都留著，談判空間就大很多。
這種策略在 AI 產業很常見。公司不想把命運綁死在單一硬體供應商身上，因為供貨、價格、排程都可能出問題。尤其當模型需求暴衝時，誰有現成算力，誰就有話語權。
從產品角度看，Anthropic 也需要這種彈性。Claude 會跑在不同場景，從聊天到企業內部工具都有。不同工作負載，適合的硬體也不一樣。
- Google TPU：適合大規模矩陣運算。
- AWS Inferentia：偏向雲端推論成本控制。
- NVIDIA GPU：生態完整，工具成熟。
- 自研晶片：針對 Claude 工作負載做客製化。
這股風潮其實早就開始了
AI 公司自建硬體能力，已經不是新聞。Google 有 TPU，Meta 有自家 AI 晶片計畫，Amazon 也推 Inferentia 和 Trainium。大家都在做同一件事：把最貴的算力成本往內收。
原因很簡單。模型越大，推論越頻繁，外部硬體的成本壓力就越明顯。當產品進入商業化階段，算力不再只是工程問題，而是營運問題。
Anthropic 的新動作，放在這個脈絡裡就很合理。它不是在追求炫技，而是在補齊基礎設施。這種補法很無聊，但很有用。
接下來可以觀察兩件事。第一，Anthropic 會不會公開更多晶片職缺。第二，Claude 的推論效率有沒有出現可量化改善。只要這兩點有進展，這支團隊就不只是備案，而是成本戰的核心工具。
結論很簡單：Anthropic 在買時間，也在買控制權
我覺得這步棋很務實。短期內，Anthropic 還是得靠雲端與既有晶片夥伴供貨。長期來看，自研晶片能讓它在成本、效能、排程上多一層主動權。
如果你在看 AI 產業，這類消息值得盯。下一波真正拉開差距的，可能不是誰模型分數高 2 分，而是誰能把每 1,000 萬次推論的成本壓得更低。那才是能不能賺錢的分水嶺。