最新内容 微 信 搜索 公 众 号 网 络 研 究 观在AI领域“地表最强”模型Claude的母公司Anthropic终于官宣他们正在组建自研芯片团队要亲自为Claude打造专属硬件前有OpenAI联手博通推出“辣椒芯片”Jalapeño后有Anthropic年薪百万招揽芯片大牛——AI巨头们为何纷纷从“买芯片”转向“造芯片”这不仅是一场算力的争夺战更预示着整个AI产业正在发生深层剧变。招人“官宣”Anthropic正式组建自研芯片团队科技圈的“秘密”往往藏在招聘启事里。近日有细心的网友在Anthropic的官网招聘页面上发现了资深芯片工程师Silicon Engineer和芯片技术项目经理等高薪岗位年薪高达32万至48.5万美元折合人民币约215万~328万元。岗位要求简单粗暴必须拥有芯片设计并成功量产交付的硬核经验。很快Anthropic官方发言人证实了这一消息公司确实正在组建内部“定制芯片团队”目标是为旗下的Claude大模型量身定制专属芯片实现“硬件与模型协同设计”。不过Anthropic也留了个余地明确表示未来将继续采用“多芯片策略”——自研芯片只是其中一环他们依然会继续使用AWS等云计算巨头提供的硬件基础设施。天下苦“英”久矣AI巨头为什么要亲自下场造芯过去几年提到AI芯片所有人的第一反应都是英伟达NVIDIA。无论是OpenAI、Anthropic还是Google、Meta都在不计成本地抢购英伟达的GPU。然而随着AI模型规模的指数级膨胀这种“单向依赖”让AI巨头们越来越吃不消。Anthropic等公司选择自研芯片背后主要有三层深远考量1. 摆脱供应链羁绊降低对英伟达的依赖GPU作为通用算力芯片虽然性能强悍但价格昂贵且常常“一卡难求”。将公司的命脉完全寄托在单一供应商身上不仅成本压力巨大更存在极大的战略风险。自研专用芯片ASIC是巨头们掌握算力自主权、降低长期硬件成本的必然选择。2. 软硬协同让芯片和模型“同频共振”通用GPU为了照顾各种各样的计算任务设计上做出了很多折中。而如果针对自家模型的算法特点如Transformer架构、注意力机制定制芯片就能达成11 2的效果。正如Anthropic所说他们的目标是硬件与模型协同设计Co-design。这就好比专门量体裁衣不仅能大幅提升推理和训练效率还能将能效比发挥到极致。3. 应对推理爆发锁定终局竞争优势大模型发展到今天用户量呈爆发式增长每日产生的“推理请求”即用户提问、AI回答带来天量算力消耗。自研专用推理芯片能让AI响应速度更快、单次对话成本更低在面向消费端和企业端降价让利时拥有巨大的竞争优势。“军备竞赛”升级从OpenAI到Google的全栈自研路实际上Anthropic并不是第一家“被逼造芯”的AI实验室。当前的硅谷早已掀起了AI垂直一体化的造芯浪潮OpenAIJalapeño芯片此前OpenAI联手博通Broadcom高调公布了首款专为大模型推理设计的定制芯片“Jalapeño”墨西哥辣椒从设计到流片仅用时9个月甚至深度结合了自家AI辅助电路设计的成果。GoogleTPU作为软硬一体的先驱Google的TPU已经迭代多代如今其旗下的Gemini模型几乎全线跑在自家TPU阵列上。Meta AmazonMeta拥有自研MTIA芯片亚马逊AWS则凭借Trainium和Inferentia芯片在云端算力市场上高歌猛进。全栈自研Full-stack Vertical Integration即“模型算法软件框架芯片硬件”全打通正在成为顶级AI公司的标准姿势。对普通用户和AI产业这意味着什么也许你会问“AI巨头造芯片跟我平时用Claude或者ChatGPT有什么关系”答案是关系非常大1. AI用起来更便宜、响应更快自研芯片最大的红利是极大地降低算力成本。当AI公司的推理成本成倍下降意味着用户能用上更低价格甚至免费的顶级AI模型且回答延迟会明显降低。2. 模型能力迎来新突破软硬协同设计允许工程师根据芯片的微架构特性去设计更复杂的模型结构未来Claude等模型在逻辑推理、多模态融合上的表现可能会迎来意想不到的飞跃。3. AI产业迎来“后GPU时代”英伟达一家独大的格局正在被打破多元化的算力生态将让整个AI产业链变得更加健康和可持续。从写代码、做对话到开始动手“画电路图”、“造打工芯片”AI领域的竞争已经从软件层面的算法厮杀彻底卷到了最底层的硅片上。虽然Anthropic目前还处于招兵买马阶段自研芯片从设计到量产仍需漫长周期但这无疑吹响了新一轮算力变革的号角。未来的Claude会跑在怎样一颗“硬核心脏”上让我们拭目以待
