如果一家餐厅每天要接更多订单，它可以不断租用别人的厨房，也可以开始按自己的菜单设计炉灶和流水线。Anthropic现在迈出的，就是类似的一步：不再只采购现成算力，而是组建团队，尝试让Claude模型与底层硬件一起设计。
这值得关注，因为芯片直接影响AI服务的速度、能耗和成本。不过，“Anthropic开始自己造芯片”需要打一个折扣。据TechCrunch报道并经Anthropic确认，公司目前能确认的动作是组建定制芯片设计团队，计划协同设计硬件与模型；现有材料没有显示它已经完成芯片设计、流片或量产。
它现在究竟做到了哪一步？
据TechCrunch报道，Anthropic正在为一个“custom silicon team”招聘有芯片设计经验的工程师。Custom silicon，即定制芯片，是针对特定任务设计的处理器。与购买通用商用GPU相比，它可以围绕某类模型的计算特点做取舍，目标通常是提高能效、降低单位成本，或获得更合适的性能。
Anthropic向TechCrunch确认，公司计划协同设计硬件与模型，让其技术运行得更快、更高效。这里的关键词是“软硬件协同设计”：开发模型时，不把芯片当作一个固定不变的外部条件，而是让算法和硬件相互适配。就像不只是要求厨师适应现成厨房，也会按照菜单重新安排炉灶和操作台。
但“更快、更高效”目前只是公司提出的目标。报道没有给出芯片规格、性能测试、成本数据或时间表，因此还不能判断这种设计能带来多大提升。
为什么不继续买现成算力？
Anthropic以Claude模型和企业API服务为核心业务。模型运行离不开大量计算硬件：训练，是用大量数据调整模型参数；推理，则是模型上线后，根据用户输入生成答案。两种任务的计算方式和成本结构并不完全相同，因此也可能需要不同的芯片配置。
TechCrunch称，Anthropic已经与AWS、Google、Nvidia和AMD达成获取AI计算硬件的协议。这一信息在本次供稿中只有TechCrunch一个独立信源，尚未获得交叉核实。即便如此，它仍能说明Anthropic的思路并不是立刻抛开供应商，而是在采购外部算力之外，开始建设自己的硬件设计能力。
这一步的长期意义在于控制力。采购现成硬件时，模型团队需要适应供应商提供的产品；参与芯片设计后，它可以尝试围绕Claude的计算特点调整硬件。理论上，这有机会优化性能、能耗和算力成本，并减少对通用商用GPU的依赖。不过，这些仍是定制AI芯片的一般潜力，不是Anthropic已经实现的结果。
它会和谁一起做？
TechCrunch援引The Information此前的报道说，Anthropic曾考察Samsung，将其视为可能的芯片制造合作伙伴。这里的“可能”很重要：现有材料只能支持双方存在潜在合作方向，不能写成已经签约，更不能据此判断芯片会由Samsung制造。
报道还把Anthropic放进了头部AI公司的基础设施竞赛中，并提到OpenAI在2026年6月发布了由Broadcom制造、面向推理负载的Jalapeño芯片。这同样只有单一供稿信源，本文不把它作为已经独立核实的事实来强化比较。
真正明确的变化是，Anthropic正在把能力边界从Claude模型和API向底层基础设施延伸。它复制的不是某一颗芯片，而是一种长期战略：模型、系统和硬件不再各自独立采购与开发，而是被放进同一套成本与性能规划中。
局限与未知
- 目前只确认了团队组建、招聘和协同设计计划，没有芯片规格、样片、流片或量产信息。
- Samsung仍只是报道中的潜在合作伙伴，合作是否落地、如何分工都不清楚。
- “更快、更高效”没有测试数字支撑，也不知道首款设计会面向训练、推理，还是两者兼顾。
所以，现阶段更准确的标题不是“Anthropic已经开始制造芯片”，而是“Anthropic开始建立自己的芯片设计能力”。这仍是一项值得追踪的变化：它表明Anthropic正在为长期算力成本和基础设施控制权提前落子，但距离一颗真正可用的芯片，还有多少路要走，现有材料没有答案。