Anthropic 組建自研 AI 晶片團隊，AI 公司走向垂直整合新階段

8 月 5 日，AI 公司 Anthropic 證實正在組建一支自訂晶片設計團隊，計劃設計自家專用的 AI 晶片。這是繼 6 月 OpenAI 推出 Broadcom 代工的 Jalapeño 推論晶片之後，又一 AI 龍頭企業邁向硬體自主化的重要訊號。

為何 Anthropic 需要自研晶片？

根據 Anthropic 向 TechCrunch 確認的說法，該公司計劃透過硬體與模型的協同設計（co-design），讓 Claude 運行更快、效率更高。Anthropic 目前已是 AWS、Google、Nvidia 與 AMD 的 AI 運算硬體客戶，並與 Samsung 就晶片製造展開了初步洽談。

然而，面對Claude 需求持續飆升，光靠向第三方採購算力已不足以支撐長期的規模化目標。自研晶片讓 Anthropic 能夠針對自家模型的推論需求進行深度優化，這是通用晶片無法提供的競爭優勢。

AI 巨頭的晶片自主化浪潮

Anthropic 並非第一家走向自研晶片的 AI 公司。在它之前：

• OpenAI 於今年 6 月推出了與 Broadcom 合作開發的 Jalapeño 晶片，專門針對推論工作負載設計。
• Google DeepMind 長期依賴 Alphabet 旗下的 TPU（張量處理單元） 來驅動 AI 模型訓練與推理。
• Meta 正在開發自家的 MTIA 加速器，專為 AI 工作負載而設計。

這股垂直整合的趨勢背後有一個共同邏輯：當 AI 模型變得愈來愈大、部署規模愈來愈廣，通用 GPU 的性價比與效率瓶頸開始浮現。能夠在晶片層級針對模型架構進行優化，將帶來顯著的成本優勢與性能提升。

對在職人士與企業的意義

Anthropic 自研晶片的消息，對香港企業與 AI 從業者傳遞了幾層重要訊息：

• AI 基礎設施競爭白熱化：頂層模型公司不再滿足於軟體層面的競爭，而是深入到硬體設計。這意味著 AI 產業的護城河正在加深，選擇模型時也需要考慮其背後基礎設施的可持續性。
• 成本效率成為關鍵決策變數：當 OpenAI、Anthropic 等廠商透過自研晶片降低推論成本，企業用戶將直接受益於更低的 API 定價與更快的回應速度。
• Prompt 工程與模型選擇的專業知識需求上升：不同模型背後的硬體架構差異，將影響模型在特定任務上的表現與成本效益。能夠根據實際業務需求評估並選擇最適合模型的 AI 人才，將在各行業中備受青睞。

對於正準備導入 AI 工具的香港企業，密切關注各大模型供應商的基礎設施策略（自研晶片 vs 第三方硬體），將有助於做出更具長期視野的技術選型決策。同時，投資團隊學習如何利用 Claude、GPT 等模型的 API 建構實際工作流程，永遠是將 AI 投資轉化為實際生產力的不二法門。