Anthropic发布了至少两个与定制芯片相关的职位:
| 职位 | 地点 | 年薪范围 | 工作重点 |
|---|---|---|---|
| 芯片工程师 | 未指定(旧金山混合办公) | 320,000 – 485,000美元 | 涵盖前端设计、物理设计、验证、封装及晶圆厂接口等定制芯片全流程开发 |
| 研究员,芯片设计强化学习 | 旧金山/纽约 | 500,000 – 850,000美元 | 利用强化学习提升AI模型设计芯片的能力——不是直接设计芯片,而是构建用于设计芯片的AI工具 |
芯片工程师岗位明确要求候选人拥有“流片经验”,并能做出“复杂的工程与商业权衡”。而研究员岗位则隶属于代码强化学习团队,专注于基于智能体的RTL生成、形式化验证和物理设计优化,实质上形成了一个“AI辅助设计芯片,芯片又运行AI”的良性循环。
Anthropic长期以来一直奉行一种刻意多元化、多平台的计算策略,而非依赖单一供应商。该公司在2025年10月的一篇博客文章中曾将其描述为“专注于多元化方法的独特计算策略,高效利用三种芯片平台”(Google TPU、AWS Trainium、Nvidia GPU)。到2026年7月,这一组合已扩展至四家供应商:
自研芯片团队成为了第五根支柱:内部设计的定制芯片,可能主要用于推理优化,并能与Claude的架构协同优化。公司表示,即便在建立内部能力的同时,也将维持与多家供应商的合作关系。
OpenAI的Jalapeño芯片于2026年6月24日发布,是一款与博通联合设计的专用推理ASIC,采用台积电3nm工艺制造,计划于2026年底试点部署。早期实验室测试显示,其每token推理成本比当前一代Nvidia GPU低约50%,能效比“显著优于当前最先进水平”。该芯片从初始设计到流片仅用时9个月。
两种策略的关键差异:
| 维度 | Anthropic的策略 | OpenAI的Jalapeño |
|---|---|---|
| 设计模式 | 完全内部团队 | 与博通联合设计 |
| 晶圆厂/工艺节点 | 未公布(有消息称早期已与三星接触,探讨2nm工艺) | 台积电3nm |
| 状态 | 仍在招聘和设计中;尚未完成任何芯片流片 | 已流片;工程样品已开始运行GPT-5.3-Codex-Spark |
| 用途 | 待定(可能兼顾推理与训练协同设计) | 仅用于推理 |
| 成本优势 | 尚未得到验证 | 声称较Nvidia GPU推理成本降低约50% |
| 排他性 | 很可能内部用于Claude | 仅限OpenAI内部使用,不对外出租 |
Anthropic仍处于更早期的阶段——仍在招聘和设计,而OpenAI已经拥有了可工作的芯片。另有报道称,Anthropic已与三星代工就潜在的2nm级芯片展开早期谈判,这将比Jalapeño的3nm工艺更先进。
Anthropic的营收增长轨迹异常迅猛,这为其定制芯片的研发提供了充足的资金支持:
行业估算显示,设计一款前沿AI加速器的成本在5亿至10亿美元之间,涵盖了工程团队、EDA工具、光罩组和首批晶圆流片。考虑到Anthropic 300亿至470亿美元的收入运行率,这笔投入仅占其年化收入的约1%至3%——对于这样规模的公司来说是一笔相对温和的投资,而且如果该芯片能显著降低Claude庞大且不断增长的工作负载的推理成本,将有可能带来巨大的成本节省。正如分析网站Cryptopolitan所指出的,自研芯片的成本仅占其外部计算支出的很小一部分。