Anthropic construye sus propios chips de IA para Claude: el giro hacia el silicio hecho a medida

• Escasez de chips y limitaciones de suministro. La escasez mundial de chips de IA dificulta que Anthropic consiga la potencia de cálculo necesaria para entrenar y desplegar modelos cada vez más avanzados .
• Costos de inferencia disparados. Atender miles de millones de tokens al día, con una tasa de ingresos de aproximadamente 30.000 millones de dólares, hace que el silicio personalizado sea una palanca poderosa para reducir costos. Los analistas estiman que los chips co-diseñados podrían reducir los costos de inferencia de Claude hasta la mitad .
• Cooptimización modelo-hardware. Diseñar chips específicamente para la arquitectura de Claude permite a Anthropic ofrecer un mejor rendimiento y eficiencia que las GPU estándar .
• Estrategia multi-chip. Los chips personalizados complementarán, no reemplazarán, las asociaciones existentes con Nvidia, AMD, AWS y Google Cloud, como parte de una diversificación más amplia para no depender únicamente de las GPU de Nvidia .

Anthropic no ha revelado una fecha objetivo para la producción, lo cual es normal en un programa en esta fase .

Cómo otras grandes empresas de IA están construyendo sus propios chips

OpenAI y el chip Jalapeño

OpenAI presentó su primer chip de IA personalizado, con el nombre en clave Jalapeño, el 24 de junio de 2026 . Diseñado en colaboración con Broadcom y fabricado por TSMC, Jalapeño es un procesador especializado en inferencia . OpenAI comenzó el diseño a principios de 2025 e inicialmente exploró la posibilidad de construir sus propias fundiciones antes de optar por un modelo de socio de diseño . La compañía también ha anunciado una colaboración estratégica más amplia con Broadcom por valor de hasta 10.000 millones de dólares para desplegar sistemas aceleradores y de redes hasta 2029 .

Google DeepMind y ocho generaciones de TPU

Google cuenta con el programa de chips de IA internos más longevo, con más de una década de desarrollo de silicio personalizado. Su familia de Unidades de Procesamiento Tensorial (TPU) abarca ahora ocho generaciones .

La TPU Ironwood (7.ª generación), lanzada a finales de 2025, puede conectar 9.216 chips en un solo pod para entrenamiento e inferencia . En abril de 2026, Google anunció sus TPU de 8.ª generación con dos arquitecturas especializadas: TPU 8t para entrenamiento y TPU 8i para inferencia . Google también ha recurrido, según se informa, a AMD para ayudar a diseñar una de sus TPU de 10.ª generación .

Cabe destacar que Google también suministra TPU a Anthropic en virtud de un acuerdo masivo valorado en decenas de miles de millones de dólares, que proporciona hasta un millón de chips .

Meta y la familia MTIA

En marzo de 2026, Meta presentó una hoja de ruta de cuatro nuevos chips internos bajo su familia de Aceleradores de Entrenamiento e Inferencia de Meta (MTIA) . El MTIA 300 ya estaba desplegado; el MTIA 400, el MTIA 450 y el MTIA 500 están previstos para su lanzamiento aproximadamente cada seis meses hasta 2027 .

Meta está co-desarrollando estos chips con Broadcom y planea empezar a fabricar uno de ellos en septiembre de 2026, como parte de un impulso para duplicar su capacidad informática total . La familia MTIA cubre tanto la inferencia como, por primera vez, chips de entrenamiento personalizados; anteriormente, Meta dependía de las GPU de Nvidia para el entrenamiento de modelos .

Resumen de los programas de chips de IA personalizados

Lo que esto significa para el panorama del hardware de IA

El cambio hacia el silicio personalizado representa una transformación fundamental en la forma en que las empresas de IA abordan la infraestructura. En lugar de competir únicamente en arquitectura de modelos y datos de entrenamiento, los líderes del sector están ahora construyendo hardware como una ventaja competitiva.

Para Anthropic, el programa de chips personalizados se encuentra aún en sus primeras fases: no se ha fijado ninguna fecha de producción, ni se han anunciado detalles arquitectónicos o acuerdos de fabricación . Pero el movimiento indica que Anthropic considera el diseño de chips como esencial para su estrategia a largo plazo, especialmente a medida que los costos de inferencia crecen con la escala de los despliegues.

Para el conjunto del sector, la diversificación respecto a las GPU de Nvidia podría tener implicaciones de gran alcance. Si los chips personalizados cumplen su promesa de menores costos y mayor rendimiento, la economía de la inferencia de IA podría cambiar drásticamente, haciendo que las aplicaciones de IA sean más asequibles y accesibles.