Anthropic potwierdza budowę własnych chipów dla Claude’a. Dołącza do OpenAI, Google i Meta w wyścigu o niezależność sprzętową

Era, w której każde laboratorium AI polegało wyłącznie na procesorach graficznych Nvidii, dobiega końca. 5 sierpnia 2026 roku firma Anthropic potwierdziła, że tworzy wewnętrzny zespół projektantów układów scalonych (custom silicon), który zajmie się projektowaniem chipów zoptymalizowanych pod kątem modeli Claude. Informacje o tych planach pojawiały się już w kwietniu 2026 roku . Firma aktywnie rekrutuje inżynierów półprzewodnikowych oraz menedżera programu technicznego ds. projektowania układów .

Anthropic dołącza tym samym do OpenAI, Google DeepMind i Meta w fali tworzenia własnych układów scalonych, napędzanej globalnym niedoborem chipów, rosnącymi kosztami inferencji oraz korzyściami wydajnościowymi, jakie daje jednoczesne projektowanie sprzętu i modeli.

Dlaczego Anthropic buduje własne chipy?

Decyzja Anthropic o opracowaniu autorskich układów scalonych wynika z kilku zbiegających się nacisków:

• Niedobór chipów i ograniczenia w dostawach. Globalny brak układów AI utrudnia Anthropic zdobycie mocy obliczeniowej niezbędnej do trenowania i wdrażania coraz bardziej zaawansowanych modeli .
• Rosnące koszty inferencji. Obsługa miliardów tokenów dziennie, przy przychodach rzędu około 30 miliardów dolarów w ujęciu anualizowanym, sprawia, że własne układy scalone stają się potężnym narzędziem do obniżania kosztów. Analitycy szacują, że współprojektowane chipy mogą obciąć koszty inferencji Claude'a nawet o połowę .
• Wspólna optymalizacja modelu i sprzętu. Projektowanie chipów specjalnie pod architekturę Claude'a pozwala osiągnąć lepszą wydajność i efektywność niż w przypadku gotowych procesorów graficznych .
• Strategia wielu chipów. Własne układy uzupełnią, a nie zastąpią, istniejące partnerstwa z Nvidią, AMD, AWS i Google Cloud. To element szerszej dywersyfikacji, która ma uniezależnić firmę od wyłącznego polegania na procesorach Nvidii .

Anthropic nie ujawnił docelowej daty zakończenia projektu ani rozpoczęcia produkcji, co jest normalne na tym etapie prac .

Jak inni giganci AI budują własne chipy

OpenAI i chip Jalapeño

OpenAI zaprezentował swój pierwszy autorski układ AI o kryptonimie Jalapeño 24 czerwca 2026 roku . Zaprojektowany we współpracy z Broadcom i wyprodukowany przez TSMC, Jalapeño jest procesorem wyspecjalizowanym w inferencji . OpenAI rozpoczęło prace projektowe na początku 2025 roku, początkowo rozważając budowę własnych fabryk, by ostatecznie wybrać model partnerski . Firma ogłosiła także szerszą strategiczną współpracę z Broadcom o wartości do 10 miliardów dolarów, która ma objąć wdrożenie systemów akceleratorów i sieci do 2029 roku .

Google DeepMind i osiem generacji TPU

Google ma najdłuższy staż w projektowaniu własnych układów AI – ponad dziesięć lat. Rodzina Tensor Processing Unit (TPU) liczy już osiem generacji .

Układ Ironwood TPU (7. generacji), wprowadzony pod koniec 2025 roku, umożliwia połączenie aż 9216 chipów w jednym module obliczeniowym (pod) do trenowania i inferencji . W kwietniu 2026 roku Google ogłosiło TPU 8. generacji z dwoma wyspecjalizowanymi architekturami: TPU 8t do trenowania i TPU 8i do inferencji . Według doniesień, Google zwróciło się również do AMD z prośbą o pomoc w zaprojektowaniu jednego z TPU 10. generacji .

Co ciekawe, Google dostarcza również TPU Anthropicowi w ramach ogromnej umowy wartości kilkudziesięciu miliardów dolarów, która przewiduje udostępnienie nawet miliona układów .

Meta i rodzina MTIA

W marcu 2026 roku Meta przedstawiła mapę drogową czterech nowych autorskich chipów w ramach rodziny Meta Training and Inference Accelerator (MTIA) . MTIA 300 został już wdrożony; MTIA 400, MTIA 450 i MTIA 500 mają być wypuszczane mniej więcej co sześć miesięcy do 2027 roku .

Meta opracowuje te chipy wspólnie z Broadcom i planuje rozpocząć produkcję jednego z nich we wrześniu 2026 roku w ramach dążenia do podwojenia ogólnej mocy obliczeniowej . Rodzina MTIA obejmuje zarówno układy do inferencji, jak i – po raz pierwszy – autorskie chipy szkoleniowe; wcześniej Meta polegała na procesorach graficznych Nvidii do trenowania modeli .

Podsumowanie programów autorskich chipów AI

Firma	Program autorskich chipów	Nazwa chipa	Zastosowanie	Kluczowy partner
Anthropic	Wewnętrzny zespół układów scalonych (ogłoszony sierpień 2026)	Nieujawniona	Inferencja (oczekiwana)	TBD (rekrutacja wewnętrzna)
OpenAI	Pierwszy autorski chip zaprezentowany czerwiec 2026	Jalapeño	Inferencja	Broadcom, TSMC
Google DeepMind	Ponad 8 generacji autorskich TPU	TPU (Ironwood, v8t, v8i)	Trenowanie i inferencja	Broadcom, Marvell, Intel, podobno AMD
Meta	4 chipy MTIA na lata 2026–2027	MTIA 300/400/450/500	Trenowanie i inferencja	Broadcom

Co to oznacza dla rynku sprzętu AI

Przejście na autorskie układy scalone to fundamentalna zmiana w podejściu firm AI do infrastruktury. Zamiast rywalizować wyłącznie architekturą modeli i danymi treningowymi, liderzy branży zaczynają budować sprzęt jako przewagę konkurencyjną.

Dla Anthropic program autorskich chipów wciąż jest na najwcześniejszym etapie – nie ustalono docelowej daty produkcji, nie ogłoszono żadnych szczegółów architektury ani umów produkcyjnych . Sam ruch sygnalizuje jednak, że Anthropic postrzega projektowanie chipów jako kluczowy element swojej długoterminowej strategii, zwłaszcza że koszty inferencji rosną wraz ze skalą wdrożeń.

Dla całej branży dywersyfikacja z dala od procesorów graficznych Nvidii może mieć dalekosiężne konsekwencje. Jeśli autorskie chipy spełnią obietnice niższych kosztów i wyższej wydajności, ekonomika inferencji AI może ulec radykalnej zmianie, czyniąc aplikacje AI tańszymi i bardziej dostępnymi.