Anthropic เปิดตัวทีมออกแบบชิป AI เองสำหรับ Claude: จุดเปลี่ยนครั้งสำคัญสู่การสร้างซิลิคอนใน-house

Anthropic ยังไม่ได้เปิดเผยกำหนดการผลิต ซึ่งเป็นเรื่องปกติสำหรับโปรแกรมในระยะเริ่มต้นนี้

เปรียบเทียบ: บริษัท AI ชั้นนำสร้างชิปของตัวเองอย่างไร?

OpenAI และชิป Jalapeño

OpenAI เปิดตัวชิป AI แบบกำหนดเองตัวแรกซึ่งมีชื่อรหัสว่า Jalapeño เมื่อวันที่ 24 มิถุนายน 2026 ออกแบบร่วมกับ Broadcom และผลิตโดย TSMC โดย Jalapeño เป็นโปรเซสเซอร์เฉพาะด้านการประมวลผล (inference) OpenAI เริ่มออกแบบตั้งแต่ต้นปี 2025 และครุ่นคิดจะสร้างโรงงานผลิตของตัวเองก่อนจะเปลี่ยนมาใช้โมเดลพันธมิตรด้านการออกแบบ นอกจากนี้ OpenAI ยังประกาศความร่วมมือเชิงกลยุทธ์กับ Broadcom มูลค่าสูงถึง 10,000 ล้านดอลลาร์เพื่อปรับใช้ระบบตัวเร่งความเร็วและเครือข่ายจนถึงปี 2029

Google DeepMind และ TPU แปดรุ่น

Google มีโครงการชิป AI ใน-house ที่ยาวนานที่สุด โดยพัฒนามานานกว่าทศวรรษ ชิปตระกูล Tensor Processing Unit (TPU) ปัจจุบันมีแปดรุ่น

TPU Ironwood (รุ่นที่ 7) เปิดตัวในปลายปี 2025 สามารถเชื่อมต่อชิปได้ 9,216 ตัวในพ็อดเดียวสำหรับการฝึกและประมวลผล ในเดือนเมษายน 2026 Google ประกาศ TPU รุ่นที่ 8 ซึ่งมีสองสถาปัตยกรรมที่ออกแบบมาเฉพาะ: TPU 8t สำหรับฝึกสอนและ TPU 8i สำหรับประมวลผล นอกจากนี้ยังมีรายงานว่า Google ได้ให้ AMD ช่วยออกแบบ TPU รุ่นที่ 10 รุ่นใดรุ่นหนึ่ง

ที่น่าสนใจคือ Google ยังจัดหา TPU ให้กับ Anthropic ภายใต้ข้อตกลงมูลค่าหลายหมื่นล้านดอลลาร์ โดยจัดหาชิปสูงสุดถึงหนึ่งล้านตัว

Meta และตระกูล MTIA

ในเดือนมีนาคม 2026 Meta เปิดเผยแผนงาน ชิปใน-house ใหม่สี่ตัว ภายใต้โครงการ Meta Training and Inference Accelerator (MTIA) โดย MTIA 300 ถูกปรับใช้แล้ว ขณะที่ MTIA 400, MTIA 450 และ MTIA 500 มีกำหนดเปิดตัวทุก ๆ หกเดือนจนถึงปี 2027

Meta ร่วมพัฒนาชิปเหล่านี้กับ Broadcom และวางแผนเริ่มผลิตชิปตัวใดตัวหนึ่งในเดือนกันยายน 2026 ซึ่งเป็นส่วนหนึ่งของแผนเพิ่มกำลังการประมวลผลเป็นสองเท่า ตระกูล MTIA ครอบคลุมทั้งงานประมวลผล และเป็นครั้งแรกที่รวมชิปฝึกสอนแบบกำหนดเองด้วย — ก่อนหน้านี้ Meta ใช้ GPU ของ Nvidia สำหรับการฝึกโมเดล

ตารางเปรียบเทียบโครงการชิป AI แบบกำหนดเอง

นี่หมายถึงอะไรสำหรับวงการฮาร์ดแวร์ AI?

การเปลี่ยนแปลงสู่การสร้างชิปแบบกำหนดเองนี้ถือเป็นการเปลี่ยนแปลงพื้นฐานในวิธีที่บริษัท AI เข้าถึงโครงสร้างพื้นฐาน แทนที่จะแข่งขันกันแค่ด้านสถาปัตยกรรมโมเดลและข้อมูลฝึกสอน บัดนี้ผู้นำในอุตสาหกรรมกำลังสร้างฮาร์ดแวร์ให้เป็นข้อได้เปรียบทางการแข่งขัน

สำหรับ Anthropic โปรแกรมชิปแบบกำหนดเองยังอยู่ในช่วงเริ่มต้นที่สุด — ยังไม่มีกำหนดการผลิต รายละเอียดสถาปัตยกรรม หรือข้อตกลงการผลิตใด ๆ ได้รับการประกาศ แต่การเคลื่อนไหวนี้ส่งสัญญาณว่า Anthropic มองว่าการออกแบบชิปเป็นสิ่งจำเป็นต่อกลยุทธ์ระยะยาว โดยเฉพาะเมื่อต้นทุนการประมวลผลเพิ่มขึ้นตามขนาดการปรับใช้

สำหรับอุตสาหกรรมโดยรวม การกระจายความเสี่ยงออกจาก GPU ของ Nvidia อาจมีผลกระทบอย่างกว้างขวาง หากชิปแบบกำหนดเองสามารถลดต้นทุนและเพิ่มประสิทธิภาพได้ตามที่สัญญาไว้ เศรษฐศาสตร์ของการประมวลผล AI อาจเปลี่ยนแปลงอย่างมาก ทำให้แอปพลิเคชัน AI มีราคาถูกลงและเข้าถึงได้ง่ายขึ้น