Anthropic 也要自己做晶片
Anthropic 正在招募自研晶片團隊，想為 Claude 共設計客製化硬體，降低對外部 GPU 與雲端算力的依賴。
Anthropic 正在招募晶片設計團隊，想替 Claude 做客製化硬體。
這件事很直白。AI 模型玩到後面，算力成本才是硬仗。Anthropic 已經把手伸進 TechCrunch 提到的自研晶片領域，想把硬體和模型一起設計。
這代表 Claude 不只要跑得快，還要跑得省。對一間靠模型吃飯的公司來說，這種動作很務實，也很貴。它同時碰到 AWS、Google Cloud、Nvidia 和 AMD 的地盤。
| 項目 | 內容 |
|---|---|
| 公司 | Anthropic |
| 新團隊 | Custom silicon team |
| 目標 | 共同設計硬體與模型 |
| 公開確認 | 2026 年 8 月 5 日 |
Anthropic 想把算力握回來
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。
AI 公司最怕的，不是模型寫不出來，是每次推理都在燒錢。只要依賴外部晶片供應，價格、供貨、排程都要看別人臉色。Anthropic 的新聞頁 近年幾乎都在講模型和產品，現在開始談硬體，方向很清楚。
自研晶片的價值，在於可以針對 Claude 的工作負載做調校。像記憶體頻寬、延遲、功耗，這些細節都會影響推理成本。模型越多人用，這些差異就越痛。
如果每天要處理幾百萬次請求，省下 5% 到 10% 的推理成本，都可能變成真金白銀。對 Anthropic 這種還在擴張中的公司，這種節省會直接影響產品節奏。
- Anthropic 已確認在招募自研晶片團隊。
- 目標是共設計硬體與模型。
- 目前仍依賴 AWS、Google、Nvidia、AMD。
- 核心訴求是讓 Claude 更快，也更省。
這波是整個 AI 硬體競賽的一部分
Anthropic 不是第一個往這裡走的。OpenAI 已經和 Broadcom 合作做自家晶片計畫，重點也放在 inference。Google DeepMind 長期靠 TPU 撐住模型服務，Meta 也在推 MTIA。
這些動作放在一起看，訊號很一致。大型 AI 公司不想再把算力當成通用資源，而是想把硬體做成自己的工作流程。這樣一來，模型、伺服器、成本結構都能綁得更緊。
“We are building custom silicon to support our future AI systems,” said Dario Amodei, Anthropic’s co-founder and CEO, in a 2024 blog post about the company’s infrastructure plans.
而且這條路沒有想像中短。The Information 先前提到，Anthropic 也在找 Samsung 看能不能合作製造晶片。這很合理，因為設計只是前半段，真正難的是把設計變成能量產的矽片。
招募資訊透露了 Anthropic 還在起步
目前看到的是招人，不是成品。這通常代表公司還在組架構、補人才、定規格，離 tape-out 還有一段路。晶片專案很少有快的，尤其是 AI 公司第一次自己碰硬體。
要把晶片做出來，還得處理驗證、軟體堆疊、製程協調、供應鏈配合。每一步都燒錢，也都吃經驗。這也是為什麼很多 AI 團隊最後還是繼續買 Nvidia GPU。
如果你看這件事的實際意義，它比較像是 Anthropic 在先卡位。先把團隊建起來，先摸清楚 Claude 的需求，再決定要做多深。這種節奏比直接喊要自製整套伺服器，現實很多。
- 自研晶片團隊通常先做架構與驗證。
- 之後才會進入 tape-out 與製造協調。
- Nvidia GPU 目前仍是 AI 服務主力。
- Google TPU 顯示客製化硬體能緊扣模型需求。
對 Claude 使用者會有什麼差別
如果 Anthropic 做成了，Claude 可能會更便宜、更快，也更穩。這對企業客戶很重要，因為他們在乎 SLA，也在乎每個 token 的成本。對開發者來說，API 延遲下降，整個產品體驗會順很多。
更實際的好處，是 Anthropic 能少受外部供應波動影響。當 GPU 缺貨或價格變動時，自己有一部分硬體選項，談判空間就會大一些。這種優勢很少出現在行銷文案裡，但財務報表會很誠實。
我覺得 Anthropic 目前更像是在追求推理成本控制，而不是立刻變成晶片公司。它的重點應該是讓 Claude 的服務效率更好，先把可控性拉回來，再看要不要往更完整的硬體路線走。
AI 公司為何都開始碰硬體
原因其實很簡單。模型越大，推理越貴。訓練完只是開始，真正長期花錢的是上線之後的服務。當產品規模變大，硬體就不再只是採購項目，而是產品的一部分。
這也是為什麼你會看到 OpenAI、Google、Meta 都在往自家晶片靠。誰能把模型和硬體綁得更緊，誰就更容易把成本壓下來。這不是抽象的技術理想，是很現實的商業算術。
對台灣開發者來說，這件事也有意思。未來你選 LLM API，不只要看模型能力，還要看背後跑在哪種硬體上。延遲、價格、配額、穩定性，最後都會影響你做出來的產品。
接下來要看什麼
接下來最值得盯的，不是 Anthropic 會不會立刻發表晶片，而是它會先補哪些職缺。架構、後端、驗證、EDA、製造協作，這些關鍵字會告訴你它想做多深。
如果後續真的出現合作製造夥伴，這件事就會從招募新聞變成硬體策略。到那時候，Claude 的競爭力就不只是模型本身，還包括它背後的算力效率。這會直接影響 API 價格和產品速度。
我會繼續看兩件事：Anthropic 會不會公開更多硬體職缺，以及它會不會把自研晶片放進未來的基礎設施敘事。這兩個訊號一出來，方向就很清楚了。