不装了!Claude背后的AI巨头也开始造芯片了,英伟达的“铁饭碗”要被砸?

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1+1 > 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:

  • OpenAI(Jalapeño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。

  • Google(TPU):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 & Amazon:Meta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!

相关推荐
小宋10215 分钟前
一套服务托管多个 LoRA:适配器加载、租户隔离与热切换实战
大数据·人工智能·算法
思考着亮5 分钟前
14.Agentic RAG -3
人工智能
黑妹天下第一乖6 分钟前
第 04 讲:阿加犀 AIMO 模型优化平台与 Model Farm 模型广场实战
人工智能·嵌入式硬件·矩阵·架构·iot
郝学胜_神的一滴6 分钟前
AI 编程智能体 06:用Anaconda搞定Python多环境,彻底告别版本兼容灾难
人工智能·python
橘和柠7 分钟前
显存计算与模型选择:你的显卡能跑多大的模型
人工智能
黑妹天下第一乖8 分钟前
第08讲 · 视觉与相机流水:Spectra ISP 与实时检测
人工智能·嵌入式硬件·数码相机·机器人·接口隔离原则·iot
alonglong10 分钟前
8,513 个向量、0.21 毫秒:给本地知识库搭一套语义检索,不引向量数据库
人工智能
数聚天成DeepSData10 分钟前
OPUS 不是一份统一许可证的语料:子语料许可如何逐项管理?
人工智能·深度学习·机器学习·数据集·deepsdata
2401_8322981015 分钟前
人工智能时代的变革机遇与社会发展新格局
人工智能·职场和发展
技术小事19 分钟前
FrugalEvo:AI 如何按成本进化
人工智能·ai编程·腾讯