Anthropic与三星洽谈自研AI推理芯片，大模型公司集体“造芯”趋势加速

事件概述

Anthropic已与三星电子展开深度谈判，共同开发一款专为其大模型设计的AI推理芯片。该芯片将剥离通用GPU中非必要的图形渲染模块，围绕Claude模型的稀疏激活机制定制，旨在将推理成本降至同代次GPU的四分之一到三分之一，同时摆脱对英伟达CUDA生态的依赖。三星则提供从芯片设计、晶圆代工到HBM高带宽内存的一体化能力，借此在台积电主导的代工市场寻求突破。

行业趋势：大模型公司集体“造芯”

Anthropic并非孤例，全球头部AI企业正普遍从软件优化转向芯片自研：

• OpenAI：CEO阿尔特曼正在全球筹集资金推进代号“Tigris”的芯片项目，并与博通合作开发定制推理芯片，同时接触台积电。
• 谷歌：TPU已迭代至第五代，为Gemini模型提供专属算力。
• 微软：发布Maia 100芯片，瞄准云端AI负载，减少对英伟达GPU的单一依赖。
• Meta：持续研发MTIA系列芯片，优化推荐系统和生成式AI的能效。
• 亚马逊：Trainium和Inferentia芯片已大规模部署。
• 中国玩家：百度昆仑芯第三代7nm芯片量产，服务文心一言及行业场景；字节跳动组建数百人芯片团队，聚焦推理和服务器芯片；华为昇腾910C在多项基准测试中对标国际主流；阿里平头哥含光系列、腾讯投资的燧原科技等均在持续投入。

核心驱动力

大模型公司自研芯片的动机源于三重压力：

1. 成本压力：前沿模型每日推理芯片折旧可达数十万美元（千万级日活）。通用GPU包含大量非必要电路，自研ASIC能效比可提升数倍，显著降低单次API调用成本。
2. 供应安全：英伟达GPU交付周期超半年，且下游客户无法控制产品节奏。自研芯片提供替代方案，对抗单点依赖的战略风险。
3. 软硬协同：模型开发者此前只能被动适应现有芯片架构，头部玩家开始用模型需求定义芯片——谷歌TPU与Gemini的深度整合已证明这一路径的跃迁式性能提升。自研芯片成为AI竞争的新护城河。

产业链重构与挑战

• 赢家：台积电凭借先进制程和CoWoS封装成为多数自研芯片的必然选择；三星借一体化方案尝试追赶；博通、Marvell等定制芯片设计服务商受益于多个客户同时开发多款AI ASIC。
• 挑战：设计一款匹配CUDA生态的芯片需数亿美元投入和2-3年周期。英伟达以两年一代的速度迭代，黄仁勋曾表示即便对手芯片免费，综合成本也未必低于英伟达。自研芯片更像一场豪赌，用今天的不确定对冲未来的受制于人。

尽管如此，大模型公司已无退路——将算力主权握在自己手中，是下一阶段竞争的必要条件。中国AI企业则在技术封锁环境下走上更全栈、更自主的造芯路径。