A Anthropic se junta à OpenAI, Google DeepMind e Meta em uma onda de desenvolvimento de chips personalizados, impulsionada pela escassez global de chips, custos crescentes de inferência e os ganhos de desempenho possíveis quando hardware e modelos são projetados em conjunto.

Por que a Anthropic está construindo seus próprios chips

A decisão da Anthropic de desenvolver silício personalizado é motivada por várias pressões convergentes:

• Escassez de chips e restrições de fornecimento. A escassez global de chips de IA dificulta que a Anthropic garanta o poder computacional necessário para treinar e implantar modelos cada vez mais avançados .
• Custos de inferência disparando. Atender bilhões de tokens diariamente, com uma receita anual estimada em cerca de US$ 30 bilhões, torna o silício personalizado uma alavanca poderosa para redução de custos. Analistas estimam que os chips codesignados podem reduzir os custos de inferência do Claude pela metade .
• Otimização conjunta de modelo e hardware. Projetar chips explicitamente para a arquitetura do Claude permite que a Anthropic obtenha melhor desempenho e eficiência do que GPUs de prateleira podem alcançar .
• Estratégia de múltiplos chips. Os chips personalizados complementarão, não substituirão, as parcerias existentes com Nvidia, AMD, AWS e Google Cloud, como parte de uma diversificação mais ampla para longe da dependência exclusiva de GPUs da Nvidia .

A Anthropic não divulgou uma data alvo para a finalização do design ou produção, o que é normal para um programa neste estágio .

Como outras grandes empresas de IA estão construindo chips personalizados

OpenAI e o chip Jalapeño

A OpenAI apresentou seu primeiro chip de IA personalizado, com o codinome Jalapeño, em 24 de junho de 2026 . Projetado em colaboração com a Broadcom e fabricado pela TSMC, o Jalapeño é um processador especializado em inferência . A OpenAI começou o esforço de design no início de 2025 e inicialmente explorou a construção de suas próprias fundições antes de migrar para um modelo de parceiro de design . A empresa também anunciou uma colaboração estratégica mais ampla com a Broadcom no valor de até US$ 10 bilhões para implantar sistemas de aceleradores e rede até 2029 .

Google DeepMind e oito gerações de TPUs

O Google tem o programa de chip de IA interno mais antigo, com mais de uma década de desenvolvimento de silício personalizado. Sua família de Unidades de Processamento Tensor (TPU) agora abrange oito gerações .

O TPU Ironwood (7ª geração), lançado no final de 2025, pode conectar 9.216 chips em um único pod para treinamento e inferência . Em abril de 2026, o Google anunciou suas TPUs de 8ª geração com duas arquiteturas com propósitos distintos: TPU 8t para treinamento e TPU 8i para inferência . O Google também teria contratado a AMD para ajudar a projetar uma de suas TPUs de 10ª geração .

Notavelmente, o Google também fornece TPUs para a Anthropic sob um acordo massivo no valor de dezenas de bilhões de dólares, fornecendo até um milhão de chips .

Meta e a família MTIA

Em março de 2026, a Meta revelou um roteiro de quatro novos chips internos sob sua família Meta Training and Inference Accelerator (MTIA) . O MTIA 300 já estava implantado; o MTIA 400, MTIA 450 e MTIA 500 estão programados para lançamento aproximadamente a cada seis meses até 2027 .

A Meta está codesenvolvendo esses chips com a Broadcom e planeja começar a fabricar um deles em setembro de 2026, como parte de um esforço para dobrar sua capacidade geral de computação . A família MTIA cobre tanto inferência quanto, pela primeira vez, chips de treinamento personalizados — anteriormente, a Meta dependia de GPUs da Nvidia para treinamento de modelos .

Resumo dos programas de chips de IA personalizados

O que isso significa para o cenário de hardware de IA

A mudança para silício personalizado representa uma transformação fundamental na forma como as empresas de IA abordam a infraestrutura. Em vez de competir apenas em arquitetura de modelo e dados de treinamento, os líderes do setor agora estão construindo hardware como uma vantagem competitiva.

Para a Anthropic, o programa de chip personalizado ainda está em seus estágios iniciais — nenhuma data alvo para produção foi definida, e nenhum detalhe arquitetônico ou acordo de fabricação foi anunciado . Mas o movimento sinaliza que a Anthropic vê o design de chips como essencial para sua estratégia de longo prazo, especialmente à medida que os custos de inferência crescem com a escala das implantações.

Para o setor como um todo, a diversificação das GPUs da Nvidia pode ter implicações de longo alcance. Se os chips personalizados cumprirem sua promessa de custos mais baixos e maior desempenho, a economia da inferência de IA pode mudar drasticamente, tornando os aplicativos de IA mais acessíveis e baratos.

A Anthropic se junta à OpenAI, Google DeepMind e Meta em uma onda de desenvolvimento de chips personalizados, impulsionada pela escassez global de chips, custos crescentes de inferência e os ganhos de desempenho possíveis quando hardware e modelos são projetados em conjunto.

Por que a Anthropic está construindo seus próprios chips

A decisão da Anthropic de desenvolver silício personalizado é motivada por várias pressões convergentes:

• Escassez de chips e restrições de fornecimento. A escassez global de chips de IA dificulta que a Anthropic garanta o poder computacional necessário para treinar e implantar modelos cada vez mais avançados .
• Custos de inferência disparando. Atender bilhões de tokens diariamente, com uma receita anual estimada em cerca de US$ 30 bilhões, torna o silício personalizado uma alavanca poderosa para redução de custos. Analistas estimam que os chips codesignados podem reduzir os custos de inferência do Claude pela metade .
• Otimização conjunta de modelo e hardware. Projetar chips explicitamente para a arquitetura do Claude permite que a Anthropic obtenha melhor desempenho e eficiência do que GPUs de prateleira podem alcançar .
• Estratégia de múltiplos chips. Os chips personalizados complementarão, não substituirão, as parcerias existentes com Nvidia, AMD, AWS e Google Cloud, como parte de uma diversificação mais ampla para longe da dependência exclusiva de GPUs da Nvidia .

A Anthropic não divulgou uma data alvo para a finalização do design ou produção, o que é normal para um programa neste estágio .

Como outras grandes empresas de IA estão construindo chips personalizados

OpenAI e o chip Jalapeño

A OpenAI apresentou seu primeiro chip de IA personalizado, com o codinome Jalapeño, em 24 de junho de 2026 . Projetado em colaboração com a Broadcom e fabricado pela TSMC, o Jalapeño é um processador especializado em inferência . A OpenAI começou o esforço de design no início de 2025 e inicialmente explorou a construção de suas próprias fundições antes de migrar para um modelo de parceiro de design . A empresa também anunciou uma colaboração estratégica mais ampla com a Broadcom no valor de até US$ 10 bilhões para implantar sistemas de aceleradores e rede até 2029 .

Google DeepMind e oito gerações de TPUs

O Google tem o programa de chip de IA interno mais antigo, com mais de uma década de desenvolvimento de silício personalizado. Sua família de Unidades de Processamento Tensor (TPU) agora abrange oito gerações .

O TPU Ironwood (7ª geração), lançado no final de 2025, pode conectar 9.216 chips em um único pod para treinamento e inferência . Em abril de 2026, o Google anunciou suas TPUs de 8ª geração com duas arquiteturas com propósitos distintos: TPU 8t para treinamento e TPU 8i para inferência . O Google também teria contratado a AMD para ajudar a projetar uma de suas TPUs de 10ª geração .

Notavelmente, o Google também fornece TPUs para a Anthropic sob um acordo massivo no valor de dezenas de bilhões de dólares, fornecendo até um milhão de chips .

Meta e a família MTIA

Em março de 2026, a Meta revelou um roteiro de quatro novos chips internos sob sua família Meta Training and Inference Accelerator (MTIA) . O MTIA 300 já estava implantado; o MTIA 400, MTIA 450 e MTIA 500 estão programados para lançamento aproximadamente a cada seis meses até 2027 .

A Meta está codesenvolvendo esses chips com a Broadcom e planeja começar a fabricar um deles em setembro de 2026, como parte de um esforço para dobrar sua capacidade geral de computação . A família MTIA cobre tanto inferência quanto, pela primeira vez, chips de treinamento personalizados — anteriormente, a Meta dependia de GPUs da Nvidia para treinamento de modelos .

Resumo dos programas de chips de IA personalizados

O que isso significa para o cenário de hardware de IA

A mudança para silício personalizado representa uma transformação fundamental na forma como as empresas de IA abordam a infraestrutura. Em vez de competir apenas em arquitetura de modelo e dados de treinamento, os líderes do setor agora estão construindo hardware como uma vantagem competitiva.

Para a Anthropic, o programa de chip personalizado ainda está em seus estágios iniciais — nenhuma data alvo para produção foi definida, e nenhum detalhe arquitetônico ou acordo de fabricação foi anunciado . Mas o movimento sinaliza que a Anthropic vê o design de chips como essencial para sua estratégia de longo prazo, especialmente à medida que os custos de inferência crescem com a escala das implantações.

Para o setor como um todo, a diversificação das GPUs da Nvidia pode ter implicações de longo alcance. Se os chips personalizados cumprirem sua promessa de custos mais baixos e maior desempenho, a economia da inferência de IA pode mudar drasticamente, tornando os aplicativos de IA mais acessíveis e baratos.