摘要
· Anthropic 被曝探索自研 AI 伺服器晶片，但尚未確認設計、晶片製造或量產計劃。
· OpenAI 已披露 Jalapeño 推論晶片並開始測試，計劃於 2026 年底前部署。
· 三星可能受益於 AI 晶片外包趨勢，但 Anthropic 短期仍依賴 AWS、Google 和 NVIDIA 的運算能力。

Anthropic 圍繞自研 AI 伺服器晶片的討論正在升溫，但這仍不是一個確定的晶片訂單計劃。外界關注的核心在於，Claude 背後的推論成本、GPU 供應、資料中心電力和機架容量，正成為大型模型公司的硬性限制。OpenAI 已經披露與博通合作的 Jalapeño 推論晶片，Anthropic 也被曝光正在評估更適合自家模型的專用晶片。然而從目前公開資訊來看，三星是否參與製造、該項目是否已進入正式設計，仍然沒有確認。

Anthropic 仍處於早期探索階段，尚未進入量產前夕

Anthropic 被曝探索的方向是一款更適合自家 AI 模型運行方式的伺服器晶片。相較於通用 GPU，定製晶片如果設計成功，可能在特定推論任務上降低成本、提高效能，並減少對外部晶片供應的依賴。

這類晶片的難點不僅在於單顆晶片的性能。大型模型公司需要同時處理計算速度、記憶體頻寬、互連網路、功耗、散熱以及集群穩定性。真正困難的是使成千上萬顆晶片在資料中心中穩定協同運作，並持續為訓練或推論任務提供服務。

目前更穩妥的表述是，Anthropic 仍處於早期評估和定義階段。晶片主要承擔哪些 AI 任務，性能和功耗目標如何設定，伺服器和集群層面如何適配，是否需要外部晶片設計公司參與，這些問題仍沒有明確的公開答案。

公司對外界的表態也保持謹慎。Anthropic 於今年 4 月宣布擴大與亞馬遜合作，未來十年將向 AWS 技術投入超過 1,000 億美元，最高鎖定 5GW 容量，並表示已使用超過 100 萬顆 Trainium2 來訓練和為 Claude 提供服務。Anthropic 同時強調多元硬體策略，但 AWS 仍然是其主要訓練和雲端服務提供商。

這意味著，即使自研晶片的探索持續推進，短期內也難以取代現有供應商。AWS Trainium、Google TPU 和 NVIDIA GPU 仍然是 Anthropic 規模化運算力體系的重要組成部分。

OpenAI 先走一步，推理成本壓力更直接

Anthropic 此時被放到自研晶片討論中，一個重要背景是 OpenAI 已經先給出參照。

博通官方公告顯示，OpenAI 與博通於 2026 年 6 月 24 日發布 Jalapeño，定位為面向大語言模型推理的加速器，也被稱為 Intelligence Processor。OpenAI 和博通稱，這款晶片從初始設計到製造流片約 9 個月，工程樣片已在實驗室運行，計劃在 2026 年底前開始部署。

這裡需要區分兩個階段。Jalapeño 已經發布並進入測試，但並不等於已經大規模商用。它代表的是頭部模型公司開始把推理成本納入更深層的硬件控制，而不是 GPU 需求馬上被替代。

推理是使用者向 ChatGPT、Claude 等產品提問後，模型生成答案的計算過程。相較於訓練，推理發生頻率更高，隨著使用者規模擴大，成本壓力會持續上升。對大模型公司來說，即便單次推理成本只下降很小比例，放到海量請求和長期資料中心支出中，也可能變成可觀節省。

Anthropic 的節奏明顯更早。它沒有公佈晶片規格，也沒有披露性能指標、合作夥伴名單或量產時間表。OpenAI 的進展只是讓市場看到一個方向：最頭部模型公司不再只是購買 GPU，也在嘗試把部分算力基礎設施納入自己的控制範圍。

三星想像空間升溫，但訂單沒有落定

三星之所以被市場關注，是因為它既有先進製造能力，也在爭取更多 AI 晶片代工機會。圍繞 Anthropic 融資和基礎設施合作的消息出現後，外界自然把三星與潛在 AI 加速器製造機會聯繫在一起。

但這一點需要降溫看待。公開信息可以確認的是，三星、SK 海力士、Micron 等公司曾出現在 Anthropic 基礎設施夥伴討論中。Micron 已於 2026 年 6 月 22 日宣布與 Anthropic 達成戰略協議，內容包括內存和存儲 AI 架構設計、供應協議、Micron 內部採用 Claude，以及對 Anthropic Series H 進行戰略投資。

這些合作信號不能直接等同於三星已經拿到 Anthropic 自研晶片訂單。關於 Anthropic 已與三星就製造合作進行接觸的說法，公開可核驗資訊並不充分。更穩妥的判斷是，如果 Anthropic 自研晶片專案推進到製造階段，三星可能成為市場關注的潛在參與者之一，但目前還不能把它寫成確定交易。

對晶片專案來說，從早期評估到最終量產，中間還要經歷架構確定、設計驗證、製造工藝選擇、封裝測試和供應鏈協調。只要晶片設計尚未定型，代工角色也很難真正落定。

招兵買馬增加可信度，但路線仍未確定

人才動作讓 Anthropic 硬體線索更受關注。据報導，OpenAI 定制晶片團隊早期成員 Clive Chan 已加入 Anthropic。公開資料顯示，他曾參與 OpenAI 晶片團隊早期建設，也有 Tesla Dojo 相關經歷。Anthropic 近期也在加強晶片工程師招聘。

這說明公司至少在為硬體能力做準備。對一家模型公司而言，懂模型、推理負載和數據中心系統的硬體團隊，可以幫助其判斷哪些工作適合交給定制晶片，哪些仍應依賴 GPU、TPU 或雲廠商晶片。

但人才加入和招聘擴張仍只是早期投入信號。專案能否繼續，取決於晶片能否在成本、性能、能耗和部署複雜度之間取得足夠優勢。若定制晶片只能在紙面上提升效率，卻無法大規模穩定運行，或製造和軟體適配成本過高，公司仍可能繼續主要依賴外部晶片。

這也是英偉達短期不易被替代的原因。英偉達 GPU 仍是 AI 訓練和推理的主力，軟體生態成熟，數據中心客戶已經圍繞其平臺構建大量系統。自研晶片更可能先在特定推理場景中分擔部分工作，而不是全面取代 GPU。

對投資者來說，Anthropic 自研晶片討論的現實影響，短期更像供應鏈博弈。頂級模型公司希望獲得更多算力選擇權，雲廠商、博通、三星、台積電、內存廠商和先進封裝供應鏈都可能受益於這種趨勢。但在 Anthropic 的案例中，明確事實仍有限：自研探索尚處早期，三星角色沒有確認，Claude 的規模化算力仍離不開 AWS、Google 和英偉達。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia