Anthropic создаёт собственные чипы для ИИ Claude: что стоит за решением и кто ещё в игре

• Дефицит чипов и ограничения поставок. Глобальная нехватка AI-чипов затрудняет для Anthropic получение вычислительных мощностей, необходимых для обучения и развёртывания всё более сложных моделей .
• Резкий рост стоимости инференса. Обслуживание миллиардов токенов в день (при годовой выручке около $30 млрд в пересчёте на текущий темп) делает кастомные чипы мощным инструментом снижения затрат. Аналитики подсчитали: совместное проектирование модели и чипов может сократить стоимость инференса Claude почти вдвое .
• Совместная оптимизация модели и «железа». Разработка чипов непосредственно под архитектуру Claude позволяет добиться лучшей производительности и энергоэффективности, чем при использовании универсальных GPU .
• Стратегия «множества чипов». Собственные чипы не заменят, а дополнят существующие партнёрства с Nvidia, AMD, AWS и Google Cloud. Это часть более широкой стратегии диверсификации и снижения зависимости от одного поставщика .

Anthropic пока не называет примерную дату завершения разработки или запуска в производство — это нормально для программы на данном этапе .

Как другие крупные AI-компании создают собственные чипы

OpenAI и чип Jalapeño

OpenAI представила свой первый кастомный AI-чип под кодовым названием Jalapeño 24 июня 2026 года . Чип, спроектированный в сотрудничестве с Broadcom и произведённый на мощностях TSMC, специализируется на инференсе . OpenAI начала работу над дизайном в начале 2025 года. Первоначально компания рассматривала строительство собственных фабрик, но позже перешла к модели партнёрства по разработке . Кроме того, OpenAI объявила о стратегическом сотрудничестве с Broadcom на сумму до $10 млрд для развёртывания ускорителей и сетевых систем до 2029 года .

Google DeepMind и восемь поколений TPU

У Google — самая долгая история разработки собственных чипов для ИИ: более десяти лет. Её семейство Tensor Processing Unit (TPU) насчитывает уже восемь поколений .

TPU Ironwood (седьмое поколение), запущенный в конце 2025 года, может объединять до 9 216 чипов в одном вычислительном кластере (pod) как для обучения, так и для инференса . В апреле 2026 года Google анонсировала TPU восьмого поколения с двумя разными архитектурами: TPU 8t для обучения и TPU 8i для инференса . По слухам, Google также привлекла AMD к разработке одного из TPU десятого поколения .

Примечательно, что Google поставляет TPU и самой Anthropic в рамках масштабной сделки стоимостью в десятки миллиардов долларов — речь идёт о поставке до миллиона чипов .

Meta и семейство MTIA

В марте 2026 года Meta представила дорожную карту из четырёх новых собственных чипов в рамках семейства Meta Training and Inference Accelerator (MTIA) . MTIA 300 уже развёрнут; MTIA 400, MTIA 450 и MTIA 500 будут выходить примерно каждые полгода — до 2027 года включительно .

Meta разрабатывает эти чипы совместно с Broadcom и планирует начать производство одного из них в сентябре 2026 года, стремясь удвоить общую вычислительную мощность . Семейство MTIA охватывает как инференс, так и — впервые для Meta — собственные чипы для обучения моделей. Ранее для обучения Meta полагалась на GPU Nvidia .

Сводная таблица программ кастомных AI-чипов

Что это значит для рынка AI-«железа»

Переход к собственным чипам означает фундаментальное изменение подхода AI-компаний к инфраструктуре. Лидеры индустрии больше не соревнуются только в архитектуре моделей и данных для обучения — теперь они создают собственное «железо» как конкурентное преимущество.

Для Anthropic программа пока находится на самой ранней стадии: нет ни целевой даты производства, ни деталей архитектуры, ни производственных соглашений . Но сам шаг ясно даёт понять: разработка чипов считается критически важной для долгосрочной стратегии компании — особенно на фоне роста затрат на инференс по мере масштабирования.

Для всей индустрии диверсификация в сторону отхода от монозависимости от Nvidia может иметь далеко идущие последствия. Если собственные чипы оправдают обещания низкой стоимости и высокой производительности, экономика AI-инференса может кардинально измениться — а значит, ИИ-приложения станут дешевле и доступнее.