Anthropic rozważa zaprojektowanie własnych układów scalonych do zasilania swoich modeli AI. Donosi o tym Reuters, powołując się na trzy niezależne źródła zaznajomione z planami firmy.
Kluczowe fakty:
- Anthropic rozważa zaprojektowanie własnych układów scalonych do zasilania modeli AI, choć plany są we wczesnej fazie i firma nie zebrała jeszcze dedykowanego zespołu inżynierów.
- Przychody Anthropic na zasadzie run-rate przekroczyły w 2026 roku 30 miliardów dolarów, co oznacza trzykrotny wzrost w porównaniu do około 9 miliardów na koniec 2025 roku.
- Zaprojektowanie zaawansowanego chipa AI kosztuje około pół miliarda dolarów wyłącznie po stronie projektowej, bez uwzględnienia kosztów produkcji.
Plany są na razie we wczesnej fazie. Firma nie zdecydowała się jeszcze na konkretny projekt ani nie zebrała dedykowanego zespołu inżynierów, a według źródeł Reutersa Anthropic może ostatecznie stwierdzić, że taniej i prościej będzie po prostu kupować chipy od zewnętrznych dostawców.
Skąd ten pomysł?
Kontekst jest prosty: chipy do trenowania i uruchamiania modeli AI są towarem deficytowym. Firma i jej rywale odpowiadają na globalny niedobór procesorów potrzebnych do tworzenia coraz bardziej zaawansowanych systemów AI. Zaprojektowanie własnego układu dałoby Anthropic większą niezależność od dostawców, lepszą kontrolę nad kosztami i możliwość optymalizacji sprzętu pod konkretne potrzeby modeli Claude.
Nie byłaby to żadna nowość w branży. Podobne działania prowadzą już Meta i OpenAI, a Google od lat projektuje własne TPU (Tensor Processing Units) we współpracy z Broadcomem. Apple, Amazon, Microsoft – wszyscy zaczęli kiedyś od zakupu, a skończyli na własnym krzemie.
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
Komentarz redaktora
Wejście Anthropic w projektowanie własnych chipów to logiczny krok dla firmy, która wydaje miliardy dolarów na obliczenia i rośnie w tempie, które trudno porównać z czymkolwiek w historii technologii. Z jednej strony – własny sprzęt oznacza niezależność, optymalizację pod własne modele i potencjalnie niższe koszty w długim horyzoncie. Z drugiej – projektowanie zaawansowanego układu scalonego to nie jest projekt na sześć miesięcy. To co najmniej kilka lat pracy i wydatki sięgające pół miliarda dolarów tylko na sam design, jeszcze zanim cokolwiek trafi do fabryki. Anthropic jest dziś firma wartą dziesiątki miliardów, ale historia pokazuje, że własny krzem potrafi pochłonąć zasoby i uwagę w sposób, który wcale nie przekłada się na lepsze modele AI. Pytanie więc nie brzmi „czy mogą”, ale „czy powinni” i „kiedy”.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Ile to kosztuje?
Zaprojektowanie zaawansowanego chipa AI pochłania mniej więcej pół miliarda dolarów – i to wyłącznie po stronie projektowej, bez kosztów produkcji. Firmy muszą zatrudnić wyspecjalizowanych inżynierów i zadbać o to, żeby proces produkcyjny był wolny od defektów. To nie jest inwestycja dostępna dla startupów – ale Anthropic startupem w klasycznym rozumieniu już dawno być przestało.
Wzrost przychodów, który trudno ignorować
Przychody Anthropic na zasadzie run-rate przekroczyły w 2026 roku 30 miliardów dolarów, w porównaniu do około 9 miliardów na koniec 2025 roku. To trzykrotny wzrost w kilka miesięcy. Firma obsługuje już ponad 300 000 klientów biznesowych, a liczba dużych kont – tych z przychodem przekraczającym 100 000 dolarów rocznie – wzrosła prawie siedmiokrotnie w ciągu ostatniego roku.
Przy takim wzroście coraz mniej opłaca się zależność od cudzego sprzętu.
Co ma teraz Anthropic?
Obecna strategia obliczeniowa firmy opiera się na trzech filarach:
- TPU od Google (Tensor Processing Units) – we współpracy z Broadcomem; Anthropic ogłosił właśnie wieloletnią umowę na dostęp do łącznie miliona TPU
- Trainium od Amazon – chipy AWS, z których korzysta w ramach rozbudowanego klastra Project Rainier
- GPU od Nvidia – uzupełnienie, dobierane do konkretnych zadań
Jak wyjaśnił Krishna Rao, CFO Anthropic: „Anthropic’s unique compute strategy focuses on a diversified approach that efficiently uses three chip platforms–Google’s TPUs, Amazon’s Trainium, and NVIDIA’s GPUs” / „Unikalna strategia obliczeniowa Anthropic koncentruje się na zdywersyfikowanym podejściu, które efektywnie wykorzystuje trzy platformy chipowe – TPU od Google, Trainium od Amazon i GPU od Nvidii”.
Wyścig po własny krzem
Anthropic nie jest jedyną firmą, która zastanawia się nad uniezależnieniem się od Nvidii i innych dostawców. Broadcom podpisał już wieloletnią umowę z OpenAI, zawarł też umowy z piątym, nieujawnionym klientem XPU i teraz rozszerzył współpracę z Google i Anthropic do poziomu, który można nazwać dominacją infrastrukturalną.
Pytanie o to, kto będzie produkować chipy dla AI przyszłości, staje się jednym z kluczowych pytań całej branży. Anthropic, które jeszcze dwa lata temu było traktowane jako mniejszy rival OpenAI, dziś toczy tę grę razem z największymi graczami. Własny chip byłby następnym krokiem na tej drodze – jeśli firma zdecyduje się go zrobić.
Jeden komentarz
mamy 3 technologie: ASIC czyli chatjimmy.ai od tallas ; maverick 2 który energetycznie bije na głowę i stara parallera epiphany z ich 512 procesorami lub obecnie wiecej (bo kupili ich wojskowi) jak ktoś chce może proste 16 procesorów kupic do dziś. # Wszystkie one zajmują się przepływem i energią i wszystkie są szybsze od 10-1000 razy i mniej prądożerne minimum kilkanaście razy. Problemem jest to, że nie mamy pojęcia jak zrobić LLM. Nie wiemy, czy większa ilość wymiarów ma sens czy 1000B (bilion wymiarów) to jest granica sensowna czy nie. Nie wiemy czy jakieś lepsze narzędzia niż transformery istnieją czy nie koniecznie. To wszystki jest zachłyśnięcie się i mało matematyki. Za mało.