Anthropic 也要自己做 AI 晶片
Anthropic 正在為 Claude 研發自家推論晶片，目標是降低對 Nvidia GPU 的依賴，並把推論成本壓下來。
Anthropic 正在為 Claude 研發自家推論晶片，目標是降低對 Nvidia GPU 的依賴，並把推論成本壓下來。
這件事很直白。AI 公司開始算硬體帳了。Anthropic 想把 Claude 的推論成本壓低，因為租 GPU 太貴，尤其是大量 token 流量進來時。
這也不是單純的內部實驗。Anthropic 牽涉到模型、雲端、晶片供應鏈，還可能碰上 Samsung 這類製造夥伴。它的方向很清楚，就是把推論這筆錢握回自己手上。
| 項目 | 數字 | 意義 |
|---|---|---|
| ASIC co-design 市占集中度 | 約 95% | 顯示 custom AI 晶片設計市場很集中 |
| Broadcom backlog | 730 億美元 | 代表需求很強，案子排到很後面 |
| Broadcom 預估 AI 晶片年營收 | 2027 年底超過 1000 億美元 | 顯示 custom silicon 已經是大生意 |
| Marvell 預估 co-design 營收 | 2026 年超過 110 億美元 | 說明推論晶片合約的價值不低 |
Anthropic 為什麼要碰晶片
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。
先講結論。推論才是燒錢主戰場。訓練模型很貴，但訓練完之後，真正持續出帳單的是推論。Claude 每多回一個 token，就多一點成本。
對 Anthropic 來說，這個壓力很現實。企業客戶、政府合約、Agent 工作流，全都會把 token 消耗拉高。當使用量變大，通用 GPU 的成本就會越來越刺眼。
自家晶片的好處很直接。它可以針對 Claude 的推論型態做優化。像是記憶體存取、延遲、功耗、批次處理，都能一起調。這種優化，租現成 GPU 很難做到。
- 推論工作負載可針對模型形狀做最佳化。
- 自訂晶片可把總持有成本壓低，報導提到最多可降 65%。
- Agent 系統通常吃掉更多 token。
- 企業部署越多，GPU 帳單越難看。
這場晶片戰，早就不是新鮮事
Google 很早就做 TPU。Amazon 有 Trainium 和 Inferentia。Meta 有 MTIA。Microsoft 有 Maia。連 OpenAI 也在碰自製推論硬體。
原因很簡單。AI 規模一大，長期租 GPU 就像一直刷高額信用卡。大公司會想要自己的晶片，因為它們有自己的模型、自己的資料中心，也有自己的 serving stack。
Anthropic 這步走得不算早，但也不算奇怪。它的 Claude 已經不是小型 demo，而是實際上線的產品。只要 token 流量夠大，自建晶片就會變成一個很務實的選項。
“The chips will allow Claude to run faster and more efficiently at the scale its customers need,” Anthropic told Business Insider.
Samsung、Broadcom、Marvell 各有什麼角色
如果 Anthropic 真找上 Samsung Foundry，那代表它想要的是可量產的製造能力。Foundry 這一關很重要，因為設計出來不代表能順利量產，尤其是 AI 晶片對良率和封裝要求都很高。
設計端則是另一個世界。custom ASIC 這塊，現在幾乎被 Broadcom 和 Marvell 包走。兩家加起來大約吃下 95% 的 co-design 市場，這數字很誇張，也很現實。
這些數字透露出一件事。AI 晶片不是只有 Nvidia 一家在賺。真正的供應鏈上游，還有設計服務、封裝、製造、互連和記憶體。每一層都有人收錢，而且都不便宜。
- Broadcom 和 Marvell 合計約占 95% 的 ASIC co-design 市場。
- Broadcom backlog 達 730 億美元。
- Broadcom 預估 2027 年底 AI 晶片年營收超過 1000 億美元。
- Marvell 預估 2026 年 co-design 營收超過 110 億美元。
對 Nvidia 和 Claude 使用者的影響
Nvidia 不會馬上被踢下場。訓練大模型還是很吃它的 GPU，而且 CUDA 生態系還是很多團隊的預設解法。
但推論這一段，壓力已經很明顯。模型訓練完之後，成本會在上線階段持續累積。誰能把每次回應的成本壓低，誰就有空間把價格打得更兇。
對 Claude 使用者來說，最直接的變化可能是更便宜的服務費，或更穩的延遲表現。對 Anthropic 來說，這代表它有機會把毛利守住，不會被硬體成本吃掉太多。
但自家晶片也有風險。設計費、驗證費、封裝費、軟體適配，全都很貴。只有當工作負載夠大，而且模型行為夠穩，這筆帳才划算。Anthropic 顯然覺得 Claude 已經到這個門檻。
這背後其實是 AI 經濟學
很多人把 AI 只看成模型能力競賽，我覺得這看太淺。真正決定勝負的，常常是單位成本。每 100 萬 token 要花多少錢，才是企業會盯的數字。
這也是為什麼大家都想碰硬體。當模型變大、流量變多、應用變複雜，軟體優化會碰到上限。到了那一步，晶片就不是加分題，而是成本題。
Anthropic 現在的動作，等於在回答一個很務實的問題：當 Claude 的使用量繼續上升時，誰來接住那張 GPU 帳單。它選擇自己下場做晶片，答案很清楚，也很有壓力感。
接下來要看什麼
我會先看三件事。第一，Anthropic 是否公開更多晶片規格。第二，Samsung 是否真的接下製造。第三，這批晶片能不能在推論成本上打贏現成 GPU。
如果這三件事都成立，Anthropic 就不只是做模型公司。它會變成一個同時懂軟體和硬體成本的 AI 供應商。這條路很硬，但很符合現在的 AI 現實。
接下來幾季，重點就是看 Claude 的推論價格有沒有下來。只要價格和延遲有改善，這筆投資就算走對了。