Anthropic 于 2026 年 8 月 7 日宣布将为 AI 模型 Claude 设计专属硬件以降低对英伟达的依赖并提升算力效率。OpenAI 也在推进类似计划。两大 AI 巨头在算力军备竞赛中寻求自主可控AI 芯片市场格局或将迎来剧变。一、算力瓶颈与英伟达霸权近年来大语言模型的训练和推理对 GPU 算力的需求呈指数级增长。英伟达凭借 CUDA 生态和高端 GPU如 H100、Blackwell 系列长期占据 AI 芯片市场的绝对主导地位利润率极高。对于 Anthropic 和 OpenAI 这样的模型供应商而言高昂的算力成本是盈利的主要障碍供应链的集中化也带来了巨大风险。业内人士指出英伟达的高端 GPU 供不应求交付周期长达数月且价格逐年攀升。对于依赖云端算力的 AI 公司来说这既是成本问题也是战略瓶颈。二、Anthropic 与 OpenAI 的双线竞速据知情人士透露Anthropic 已组建一支由资深芯片架构师组成的团队计划在未来两年内推出首款定制加速器。该硬件将针对 Transformer 模型的训练和推理优化并可能采用台积电的更先进制程。与此同时OpenAI 也在与多家半导体厂商合作开发自己的 AI 专用芯片并持续大规模部署自研推理芯片以削减成本。这一趋势并非孤立。谷歌早已通过 TPU 实现了训练与推理的自给自足亚马逊也推出了自研 Trainium 芯片。Anthropic 和 OpenAI 的加入使得自研 AI 芯片成为一线模型公司的重要战略方向。分析师认为若这些计划如期落地英伟达在全球 AI 计算市场的份额将面临实质性侵蚀。三、自研硬件的核心优势与风险自研硬件的核心优势在于软硬协同设计。Anthropic 可以为 Claude 的负载特性定制计算单元减少不必要的通用性开销在同等功耗下获得更高吞吐量。自研芯片还有助于降低总拥有成本TCO在模型推理阶段专用芯片的能效比提升可以转化为巨大的成本优势。“AI 模型厂商向芯片设计延伸是产业垂直整合的必然结果。就像苹果通过自研 M 系列芯片重塑了 PC 性能格局一样Anthropic 和 OpenAI 也希望通过自研硬件建立新的竞争壁垒。”——硅谷芯片分析师不过自研芯片并非坦途。设计芯片需要数十亿美元的资金投入、漫长的研发周期以及强大的软件工具链支持。一旦量产失败或性能未达预期可能导致公司陷入被动。四、编者按过去十年英伟达几乎垄断了 AI 算力但头部 AI 公司开始意识到不能将命运交予单一供应商。自研硬件从设计到落地仍需数年时间短期内英伟达的统治地位依然稳固。当 Claude 和 GPT 系列开始运行在自家芯片上时AI 竞赛将从纯粹的模型能力比拼扩展为软件硬件综合实力的较量。本文首发于赢政天下 (https://www.winzheng.com)获取更多深度技术内容与资源欢迎访问官网。