Anthropic slutter sig til OpenAI, Google DeepMind og Meta i en bølge af udvikling af specialchips, drevet af en global chipmangel, stigende inferensomkostninger og de præstationsgevinster, der opnås, når hardware og modeller designes sammen.

Hvorfor Anthropic bygger sine egne chips

Anthropics beslutning om at udvikle specialchips er motiveret af flere sammenfaldende pres:

• Chipmangel og forsyningsbegrænsninger. En global mangel på AI-chips gør det svært for Anthropic at sikre den regnekraft, der er nødvendig for at træne og køre stadig mere avancerede modeller .
• Stigende inferensomkostninger. Med milliarder af tokens serveret dagligt og en omsætning på cirka 30 milliarder dollars, gør specialchips det muligt at skære kraftigt i omkostningerne. Analytikere vurderer, at samdesignede chips kan halvere Claude's inferensomkostninger .
• Model-hardware-samoptimering. Ved at designe chips specifikt til Claude's arkitektur kan Anthropic opnå bedre ydeevne og effektivitet, end standard GPU'er kan levere .
• Multi-chip strategi. De nye chips vil supplere – ikke erstatte – eksisterende partnerskaber med Nvidia, AMD, AWS og Google Cloud, som en del af en bredere diversificering væk fra eneafhængighed af Nvidia GPU'er .

Anthropic har ikke offentliggjort en måldato for, hvornår chippen skal være færdig, hvilket er normalt for et program på dette stadie .

Sådan bygger andre store AI-virksomheder specialchips

OpenAI og Jalapeño-chippen

OpenAI præsenterede deres første specialudviklede AI-chip, med kodenavnet Jalapeño, den 24. juni 2026 . Chippen er designet i samarbejde med Broadcom og produceret af TSMC, og den er specialiseret til inferens . OpenAI begyndte designarbejdet i starten af 2025 og overvejede først at bygge egne fabrikker, før de skiftede til en design-partner-model . Virksomheden har også annonceret et strategisk samarbejde med Broadcom til en værdi af op til 10 milliarder dollars for at udrulle accelerator- og netværkssystemer frem til 2029 .

Google DeepMind og otte generationer af TPU'er

Google har det længst kørende program for interne AI-chips med over et årtis udvikling af specialsilicon. Deres Tensor Processing Unit (TPU)-familie tæller nu otte generationer .

Ironwood TPU'en (7. generation), lanceret i slutningen af 2025, kan forbinde 9.216 chips i en enkelt pod til både træning og inferens . I april 2026 annoncerede Google deres 8. generations TPU'er med to specialiserede arkitekturer: TPU 8t til træning og TPU 8i til inferens . Google har også angiveligt hyret AMD til at hjælpe med designet af en af deres 10. generations TPU'er .

Bemærkelsesværdigt nok leverer Google også TPU'er til Anthropic som en del af en massiv aftale til en værdi af titusindvis af milliarder dollars, der omfatter op til en million chips .

Meta og MTIA-familien

I marts 2026 præsenterede Meta en køreplan for fire nye interne chips under deres Meta Training and Inference Accelerator (MTIA)-familie . MTIA 300 var allerede i drift; MTIA 400, MTIA 450 og MTIA 500 er planlagt til udgivelse cirka hvert halve år frem til 2027 .

Meta udvikler disse chips sammen med Broadcom og planlægger at starte produktionen af en af dem i september 2026 som led i en indsats for at fordoble deres samlede computerkapacitet . MTIA-familien dækker både inferens og, for første gang, specialiserede træningschips – tidligere stolede Meta udelukkende på Nvidia GPU'er til modeltræning .

Oversigt over programmer for specialudviklede AI-chips

Hvad det betyder for AI-hardwarelandskabet

Skiftet mod specialsilicon repræsenterer en fundamental ændring i, hvordan AI-virksomheder griber infrastruktur an. I stedet for udelukkende at konkurrere på modelarkitektur og træningsdata, bygger branchens ledere nu hardware som en konkurrencefordel.

For Anthropic er chip-programmet stadig i sin tidligste fase – der er ikke sat nogen dato for produktion, og ingen arkitektoniske detaljer eller produktionsaftaler er blevet annonceret . Men skridtet signalerer, at Anthropic ser chipdesign som afgørende for deres langsigtede strategi, især efterhånden som inferensomkostningerne vokser med skalaen af udrulningerne.

For hele industrien kan diversificeringen væk fra Nvidias GPU'er få vidtrækkende konsekvenser. Hvis specialchips lever op til løftet om lavere omkostninger og højere ydeevne, kan økonomien bag AI-inferens ændre sig dramatisk, hvilket gør AI-applikationer billigere og mere tilgængelige.

Anthropic slutter sig til OpenAI, Google DeepMind og Meta i en bølge af udvikling af specialchips, drevet af en global chipmangel, stigende inferensomkostninger og de præstationsgevinster, der opnås, når hardware og modeller designes sammen.

Hvorfor Anthropic bygger sine egne chips

Anthropics beslutning om at udvikle specialchips er motiveret af flere sammenfaldende pres:

• Chipmangel og forsyningsbegrænsninger. En global mangel på AI-chips gør det svært for Anthropic at sikre den regnekraft, der er nødvendig for at træne og køre stadig mere avancerede modeller .
• Stigende inferensomkostninger. Med milliarder af tokens serveret dagligt og en omsætning på cirka 30 milliarder dollars, gør specialchips det muligt at skære kraftigt i omkostningerne. Analytikere vurderer, at samdesignede chips kan halvere Claude's inferensomkostninger .
• Model-hardware-samoptimering. Ved at designe chips specifikt til Claude's arkitektur kan Anthropic opnå bedre ydeevne og effektivitet, end standard GPU'er kan levere .
• Multi-chip strategi. De nye chips vil supplere – ikke erstatte – eksisterende partnerskaber med Nvidia, AMD, AWS og Google Cloud, som en del af en bredere diversificering væk fra eneafhængighed af Nvidia GPU'er .

Anthropic har ikke offentliggjort en måldato for, hvornår chippen skal være færdig, hvilket er normalt for et program på dette stadie .

Sådan bygger andre store AI-virksomheder specialchips

OpenAI og Jalapeño-chippen

OpenAI præsenterede deres første specialudviklede AI-chip, med kodenavnet Jalapeño, den 24. juni 2026 . Chippen er designet i samarbejde med Broadcom og produceret af TSMC, og den er specialiseret til inferens . OpenAI begyndte designarbejdet i starten af 2025 og overvejede først at bygge egne fabrikker, før de skiftede til en design-partner-model . Virksomheden har også annonceret et strategisk samarbejde med Broadcom til en værdi af op til 10 milliarder dollars for at udrulle accelerator- og netværkssystemer frem til 2029 .

Google DeepMind og otte generationer af TPU'er

Google har det længst kørende program for interne AI-chips med over et årtis udvikling af specialsilicon. Deres Tensor Processing Unit (TPU)-familie tæller nu otte generationer .

Ironwood TPU'en (7. generation), lanceret i slutningen af 2025, kan forbinde 9.216 chips i en enkelt pod til både træning og inferens . I april 2026 annoncerede Google deres 8. generations TPU'er med to specialiserede arkitekturer: TPU 8t til træning og TPU 8i til inferens . Google har også angiveligt hyret AMD til at hjælpe med designet af en af deres 10. generations TPU'er .

Bemærkelsesværdigt nok leverer Google også TPU'er til Anthropic som en del af en massiv aftale til en værdi af titusindvis af milliarder dollars, der omfatter op til en million chips .

Meta og MTIA-familien

I marts 2026 præsenterede Meta en køreplan for fire nye interne chips under deres Meta Training and Inference Accelerator (MTIA)-familie . MTIA 300 var allerede i drift; MTIA 400, MTIA 450 og MTIA 500 er planlagt til udgivelse cirka hvert halve år frem til 2027 .

Meta udvikler disse chips sammen med Broadcom og planlægger at starte produktionen af en af dem i september 2026 som led i en indsats for at fordoble deres samlede computerkapacitet . MTIA-familien dækker både inferens og, for første gang, specialiserede træningschips – tidligere stolede Meta udelukkende på Nvidia GPU'er til modeltræning .

Oversigt over programmer for specialudviklede AI-chips

Hvad det betyder for AI-hardwarelandskabet

Skiftet mod specialsilicon repræsenterer en fundamental ændring i, hvordan AI-virksomheder griber infrastruktur an. I stedet for udelukkende at konkurrere på modelarkitektur og træningsdata, bygger branchens ledere nu hardware som en konkurrencefordel.

For Anthropic er chip-programmet stadig i sin tidligste fase – der er ikke sat nogen dato for produktion, og ingen arkitektoniske detaljer eller produktionsaftaler er blevet annonceret . Men skridtet signalerer, at Anthropic ser chipdesign som afgørende for deres langsigtede strategi, især efterhånden som inferensomkostningerne vokser med skalaen af udrulningerne.

For hele industrien kan diversificeringen væk fra Nvidias GPU'er få vidtrækkende konsekvenser. Hvis specialchips lever op til løftet om lavere omkostninger og højere ydeevne, kan økonomien bag AI-inferens ændre sig dramatisk, hvilket gør AI-applikationer billigere og mere tilgængelige.