7 月 2 日，The Information 率先披露 Anthropic 正在与三星电子就定制 AI 芯片展开初步谈判。消息距 OpenAI 联合 Broadcom 发布自研推理芯片 Jalapeño 仅八天。两家最主要的独立大模型公司，几乎在同一时间窗口将触角伸向芯片制造环节，这不再是某个公司的单点尝试，而是一条清晰的结构性转向：模型公司正在把算力控制权从纯采购逻辑中抽出来，往上游制造端推进。
讨论刚开始，关键细节一概未定
根据 The Information 援引的三位知情人士，Anthropic 与三星的讨论仍处于极早期。公司尚未决定芯片的具体用途、算力级别、功耗预算，也没有确定芯片在服务器集群中的形态。没有物理原型，没有制造时间表。项目随时可能被搁置。
但已经发生的事情比尚未敲定的更说明问题。6 月初，Anthropic 挖来了 Clive Chan——OpenAI 自研芯片团队的"二号员工"，他在 OpenAI 花了两年半时间参与构建了与 Broadcom 合作设计的 Jalapeño 推理芯片。Chan 在社交平台上表示被 Anthropic 的"人才密度、价值观和野心"打动，而业内对此的解读更直接：Anthropic 不只是"探索"芯片，而是在组建一支有能力把芯片从架构图纸推到流片的团队。
Anthropic 对 TechCrunch 的公开回应刻意保持了模糊："由 AWS Trainium、Google TPU 和 Nvidia GPU 组成的多元化硬件栈，仍将是公司算力策略的核心。"对三星合作，公司表示"没有更多补充"。三星同样不予置评。
值得注意的是，三星、SK 海力士和美光在 5 月共同参与了 Anthropic 的 650 亿美元 H 轮融资。三星是三者中唯一同时运营晶圆代工厂的企业——这一差异使得三星从"财务投资者"自然转变为"潜在制造伙伴"。Anthropic 同时在接触微软的 Maia 芯片和英国推理芯片初创公司 Fractile，说明这并非单一下注，而是系统性的多供应商多元化策略。
OpenAI 已经先跑了一步
6 月 24 日，OpenAI 正式发布 Jalapeño——一款专为大模型推理设计的 ASIC，由 Broadcom 负责硅实现、封装和网络。工程样片已上电运行，目标在 2026 年底前启动部署，部署规模达到吉瓦级数据中心。
Jalapeño 的设计逻辑非常明确：不做通用 GPU，不做训练芯片，只做推理。它采用接近光罩极限尺寸的大芯片（Tom's Hardware 根据封装照片估算芯片面积约 840mm²），搭配六颗 HBM 内存模块。OpenAI 硬件负责人 Richard Ho 称，芯片架构是"根据与 OpenAI 研究人员的紧密合作，围绕大模型推理最关键的内核、内存移动、网络和模型服务模式进行优化的"。
Broadcom CEO Hock Tan 对媒体表示，早期测试显示 Jalapeño 的推理成本比同等 GPU 方案低约 50%。这一数字如果在大规模部署中成立，将从根本上改写模型公司的单位经济学。Anthropic 的 Claude 同样面向数百万用户提供实时推理服务，面临完全相同的成本结构。一颗针对 Claude 模型架构和服务模式调优的定制 ASIC，理论上可以兑现同等的效率增益。
理解这一点，才能真正理解 Anthropic 为什么必须跟进。不是"也想要芯片"，而是"如果不做，单位成本将被对手拉开一个身位"。
"推理"才是真正的战场
训练芯片和推理芯片是两种不同的技术物种。
训练芯片需要在海量数据集上维持极高的吞吐量，精度要求严格，天然适合 GPU 这类灵活通用架构。Nvidia 在训练市场的统治地位短期内无人能撼动。The Information 估算 Nvidia 仍占据 AI 芯片市场约 74% 的份额——这个数字甚至比定制芯片浪潮兴起前更高，因为 AI 训练需求的增速超过了替代方案的成熟速度。
推理芯片完全不同。它不需要处理训练任务，只需要在给定模型下以尽可能低的延迟和成本返回每一次用户查询的结果。这意味着可以砍掉 GPU 中所有为通用计算保留的开销，把每一颗晶体管都押在 transformer 推理的特定算子矩阵运算上。效率提升不是边际性的，而是结构性跃迁。
当一家公司的核心工作负载高度集中在单一操作类型——对 Anthropic 来说，就是 Claude 的大模型推理服务——定制 ASIC 在经济学上的吸引力会随着调用量的增长而非线性放大。Anthropic 的年化收入在 2026 年初已突破 300 亿美元，是 2025 年底约 90 亿美元的三倍有余。调用量越大，采购 Nvidia GPU 做推理的隐性浪费越显著，自研芯片的投资回收期越短。
三星的筹码与软肋
Anthropic 选择三星而非台积电作为首要谈判对象，背后有多重逻辑。
资金关系是显性因素。三星参与了 Anthropic 的 H 轮融资，这使得双方在商业层面已有互信基础。但三星真正的不可替代性在于，它是少数能够同时提供晶圆代工、HBM 内存和先进封装的一站式供应商。AI 芯片的性能瓶颈往往不在算力而在内存带宽和数据移动——谁能把这三层整合得更好，谁就能给出更优的推理性能。
地缘维度同样不容忽视。三星的晶圆厂分布在韩国和美国德克萨斯州 Taylor——后者预计 2027 年启动 2nm 量产。这两个司法辖区均不受中美芯片冲突中涉及中国大陆的数据共享义务和技术转让风险的直接约束。对于一家需要为企业和政府客户处理敏感数据的 AI 公司而言，供应链的司法清晰度本身就是一种资产。
还有一个鲜被提及的时间窗口因素。根据韩国媒体此前报道，三星原在为 OpenAI 开发一款基于 ARM 架构的推理 NPU，但双方谈判在 2026 年 6 月初因"战略分歧"陷入停滞，Sam Altman 随后取消了原定的首尔之行。如果三星将原本对准 OpenAI 项目的工程注意力和 2nm 产能转向 Anthropic，竞争的叠加效应会非常显著：Anthropic 获得一个有直接 AI 推理芯片经验的代工伙伴，三星则在挑战台积电的关键时期拿到一个标志性客户。
但三星绕不开良率问题。第一代 SF2 工艺在整个 2025 年的良率大致在 50%-60% 区间，远低于 70%-80% 的经济性量产基准。台积电的竞争工艺 N2 的良率据报已达到 65%-80%，且已经锁定了苹果和 Nvidia 等锚定客户。三星第二代 2nm 工艺 SF2P 在 2026 年初的良率据报接近 70%，但大规模量产下的稳定性仍是一张未翻开的底牌。对 Anthropic 而言，芯片不能按时、按量、按成本交付的风险，是投资论证中无法回避的硬约束。
这不是替代，是叠加
Anthropic 反复强调现有合作伙伴关系不变——AWS Trainium、Google TPU 和 Nvidia GPU 仍将是算力策略的核心。这句话在技术上完全兼容并行自研芯片的逻辑：现有合作关系覆盖的是今天的算力层，自研芯片瞄准的是三到五年后的推理层。
这种"不替代、只叠加"的策略在行业内已有先例。Google 同时使用自研 TPU 和采购的 Nvidia GPU；Amazon 在推 Trainium 和 Inferentia 的同时，仍然是 Nvidia 的大客户。模型公司进入芯片设计领域，不意味着要变成一家半导体公司，而是意味着不再把芯片当成一个外购的通用商品，而是当成模型链路中可以优化的一环——和模型架构、内核、调度系统一起优化。
正如 OpenAI 在 Jalapeño 发布公告中所写的："OpenAI 不仅开发前沿模型或在其上构建产品，还在设计其底层的基础设施：芯片架构、内核、内存系统、网络、调度、部署系统和产品体验。因为 OpenAI 跨栈运作，每一层都可以围绕同一个目标进行优化。"
Anthropic 与三星的谈判，现在还远不到"成交"阶段。芯片用途未定、制程未锁定、时间表不存在、团队仍在组建中。但从 4 月 Reuters 报道"Anthropic 在考虑自研芯片"，到 6 月挖来 Clive Chan，再到 7 月与三星坐下来谈 2nm 代工——三个月的进展密度本身，已经说明了一件事：大模型公司对算力上游控制权的争夺，正在从"要不要做"的讨论阶段，进入"和谁做、怎么做"的执行阶段。
