Anthropic 組自研晶片團隊：Claude 會快啲平啲？而家仲言之尚早

圖片：via iThome — https://www.ithome.com.tw/news/177902

TechLab 編輯部（譯）·2026-08-06

招聘資料講到軟硬件共同設計，但首款晶片用途仍未定

Anthropic 終於確認自研晶片計劃，但「成立團隊」同「有晶片可用」中間仲隔住架構設計、驗證、流片、封裝、量產同軟件調校。據 iThome 報道，Anthropic 已向 Business Insider 同 Reuters 證實，正組建內部團隊為 Claude 設計 AI 晶片。公司未交代規格、製程、製造夥伴同推出時間，現階段視佢為長線工程會比較準確，未到當產品預告嘅時候。

招聘資料顯示，佢想掌握成套硬件決策

Anthropic 嘅 Silicon Engineer 招聘涵蓋前端設計、流片前驗證、實體設計、晶圓代工、封裝、測試同訊號完整性。團隊亦要決定邊啲 IP 自己整、邊啲外購或授權，再同推理、效能、kernel 同基建團隊一齊調校。呢個範圍闊到由規格一路掂到首批晶片除錯，反映 Anthropic 想建立真正嘅晶片設計能力；不過職位寫明只會由少數人負責大量範疇，首代產品好大機會仍會依靠 ASIC、IP、代工同封裝夥伴。

Anthropic 官方運算基建文章採用嘅幾何階梯插圖

圖片：Anthropic

訓練定推理？推理線索較多，但未足以下定論

招聘資料同時提到大型訓練及推理工作負載，冇指定首款晶片服務邊一邊。值得留意嘅係，新團隊會直接同推理、效能及 kernel 工程師合作，顯示成本同延遲可能係新團隊研究嘅方向，但招聘資料未足以確認首款設計會主攻推理。推理工作負載通常較容易預測，專用晶片亦可以針對常見運算調整設計，換取更高效率。訓練就更重視大規模互連、記憶體頻寬、軟件成熟度同可靠性。由現有線索推斷，推理係合理方向，但未可以寫成 Anthropic 已經揀定。

Trainium、TPU 同 Nvidia GPU 暫時一樣走唔甩

Anthropic 已經深度參與 AWS Trainium 嘅軟件同底層 kernel 優化，AWS 亦係佢主要訓練同雲端夥伴。Anthropic 官方資料顯示，雙方一直由晶片層面共同調校訓練系統。另一邊，Anthropic 亦公開採用 Google TPU、AWS Trainium 同 Nvidia GPU 嘅多平台策略，仲計劃大幅擴充 Google TPU 容量。呢批合作涉及龐大現成基建，自研晶片就算成功，都較似加多一條供應線，唔會突然清走已有硬件。

Claude API 唔會因一張晶片自動平咗

對 Claude、Claude Code 同 API 用家，最想知當然係價錢、速度同繁忙時間穩定性。專用晶片如果做到量產，理論上可以改善每瓦效能、減少對單一供應商依賴，再按 Claude 長 context 或 agent 工作負載調整記憶體同運算配置。不過 API 定價仲受模型研發、資料中心、電力、競爭同公司毛利策略影響，硬件成本跌咗唔代表 Anthropic 一定減價。回應速度亦取決於網絡、batching、記憶體、編譯器同服務調度，單靠晶片規格解答唔到。

要判斷實際影響，仲要等流片同部署資料

自研晶片長遠可以畀 Anthropic 多啲供應彈性，亦可能令模型同硬件配合得更貼身；短期影響就非常有限，因為連用途同生產安排都未公開。下一步可以睇三樣資料：首款設計主攻訓練定推理、搵邊間代工或 ASIC 夥伴，同埋幾時開始流片。等 Anthropic 公布實際部署、延遲、吞吐量、供應容量或 API 價格調整，先有條件判斷 Claude 用家會得到幾多實際好處。

參考來源