Anthropic bygger egna AI-chips för Claude – en milstolpe i jakten på skräddarsydd kisel

Tiden då alla AI-laboratorier enbart förlitade sig på Nvidias grafikprocessorer (GPU:er) är på väg att ta slut. Den 5 augusti 2026 bekräftade Anthropic att man sätter ihop ett internt chipdesignteam för att utveckla egna processorer optimerade för sin AI-modell Claude. Beskedet bekräftar tidigare uppgifter från april 2026 . Företaget rekryterar nu aktivt halvledaringenjörer och en teknisk programledare för kiseldesign .

Anthropic följer därmed i fotspåren av OpenAI, Google DeepMind och Meta i en våg av utveckling av egna chip som drivs av en global chipbrist, stigande kostnader för inferens och de prestandavinster som blir möjliga när hårdvara och mjukvara utvecklas tillsammans.

Därför bygger Anthropic sina egna chip

Anthropics beslut att utveckla egna processorer drivs av flera samverkande faktorer:

• Chipbrist och begränsad tillgång. En global brist på AI-chip gör det svårt för Anthropic att få tag på den datorkraft som behövs för att träna och driva allt mer avancerade modeller .
• Skjutande kostnader för inferens. Att dagligen hantera miljarder token med en intäktsström på cirka 30 miljarder dollar gör egna chip till en kraftfull hävstång för kostnadsminskning. Analytiker uppskattar att skräddarsydda chip kan halvera kostnaden för Claude-inferens .
• Samoptimering av modell och hårdvara. Genom att designa chip specifikt för Claudes arkitektur kan Anthropic uppnå bättre prestanda och energieffektivitet än med standardiserade GPU:er .
• Multi-chip-strategi. De egna chippen kommer att komplettera, inte ersätta, de befintliga samarbetena med Nvidia, AMD, AWS och Google Cloud. Det är en bredare strategi för att minska beroendet av Nvidia .

Anthropic har inte avslöjat något datum för tape-out eller produktion, vilket är normalt för ett program i denna fas .

Hur andra stora AI-företag bygger egna chip

OpenAI och Jalapeño-chippet

OpenAI presenterade den 24 juni 2026 sitt första egna AI-chip, med kodnamnet Jalapeño . Chippet är utvecklat i samarbete med Broadcom och tillverkat av TSMC, och är specialiserat för inferens . OpenAI påbörjade designarbetet i början av 2025 och övervägde först att bygga egna fabriker innan man valde en designpartnermodell . Företaget har också meddelat ett strategiskt samarbete med Broadcom värt upp till 10 miljarder dollar för att distribuera accelerator- och nätverkssystem fram till 2029 .

Google DeepMind och åtta generationer av TPU:er

Google har det längsta pågående interna AI-chipprogrammet, med över ett decennium av utveckling. Deras Tensor Processing Unit (TPU) omfattar nu åtta generationer .

Ironwood TPU (sjunde generationen), som lanserades i slutet av 2025, kan koppla samman 9 216 chip i en enda pod för både träning och inferens . I april 2026 presenterade Google sina åttonde generationens TPU:er med två arkitekturer: TPU 8t för träning och TPU 8i för inferens . Google har enligt uppgift även anlitat AMD för att designa en av sina tionde generationens TPU:er .

Noterbart är att Google även levererar TPU:er till Anthropic inom ramen för ett massivt avtal värt tiotals miljarder dollar, där upp till en miljon chip ingår .

Meta och MTIA-familjen

I mars 2026 presenterade Meta en färdplan med fyra nya interna chip under sin Meta Training and Inference Accelerator (MTIA)-familj . MTIA 300 var redan i drift; MTIA 400, MTIA 450 och MTIA 500 är planerade att lanseras ungefär var sjätte månad fram till 2027 .

Meta utvecklar dessa chip tillsammans med Broadcom och planerar att starta tillverkningen av ett av dem i september 2026 som en del av en satsning på att fördubbla den totala datorkraften . MTIA-familjen omfattar både inferens och, för första gången, anpassade chip för träning – tidigare förlitade sig Meta på Nvidias GPU:er för modellträning .

Sammanfattning av anpassade AI-chipprogram

Företag	Program	Chipets namn	Inriktning	Huvudpartner
Anthropic	Internt chipdesignteam (augusti 2026)	Ej offentliggjort	Inferens (förväntat)	TBD (rekryterar internt)
OpenAI	Första egna chippet presenterat juni 2026	Jalapeño	Inferens	Broadcom, TSMC
Google DeepMind	8+ generationer av anpassade TPU:er	TPU (Ironwood, v8t, v8i)	Träning och inferens	Broadcom, Marvell, Intel, enligt uppgift AMD
Meta	4 MTIA-chip på färdplan (2026–2027)	MTIA 300/400/450/500	Träning och inferens	Broadcom

Vad detta betyder för AI-hårdvarulandskapet

Skiftet mot anpassade chip representerar en fundamental förändring i hur AI-företag ser på infrastruktur. I stället för att enbart konkurrera med modellarkitektur och träningsdata bygger branschens ledare nu hårdvara som en konkurrensfördel.

För Anthropic är det interna chipprogrammet fortfarande i sin linda – inget produktionsdatum har satts, och inga arkitektoniska detaljer eller tillverkningsavtal har offentliggjorts . Men beslutet signalerar att Anthropic ser chipdesign som en central del av sin långsiktiga strategi, särskilt när kostnaderna för inferens ökar i takt med att modellerna skalas upp.

För branschen som helhet kan diversifieringen bort från Nvidias GPU:er få långtgående konsekvenser. Om anpassade chip lever upp till löftet om lägre kostnader och högre prestanda kan ekonomin för AI-inferens förändras dramatiskt, vilket gör AI-tillämpningar billigare och mer tillgängliga.