Американская компания Anthropic, работающая над крупными языковыми моделями, рассматривает вариант разработки собственных чипов для нужд искусственного интеллекта. Идея появилась на фоне продолжающегося дефицита вычислительных мощностей, без которых сложно и обучать, и разворачивать более продвинутые системы ИИ.
Почему Anthropic задумалась о собственных чипах
Сигналы о том, что у Anthropic может появиться проект по проектированию аппаратной «начинки», связаны с текущей ситуацией на рынке: спрос на AI-ускорители растет быстрее, чем поставки. Когда мощности ограничены, даже сильные в алгоритмах компании вынуждены искать способы снизить зависимость от внешних поставщиков.
По информации от нескольких собеседников, планирование находится на самом раннем этапе. При этом решение может не дойти до стадии полноценной разработки: компания теоретически способна ограничиться закупками AI-чипов, не создавая собственные архитектуры.
Пока нет ни решения, ни команды
Отмечается, что Anthropic еще не выбрала конкретный вариант дизайна. Кроме того, не сформирована отдельная команда, полностью отвечающая за направление аппаратной разработки. Один из информаторов подчеркивает, что на текущем этапе это скорее изучение возможностей, чем утвержденная программа.
Представитель компании из Сан-Франциско отказался комментировать эту информацию.
Растущий Claude и давление на вычисления
Дополнительный фактор — ускорение спроса на модель Claude. Компания сообщала, что в 2026 году темпы роста пришлись на существенное ускорение: годовой рекордный показатель выручки в пересчете на темпы (run-rate) достиг уровня свыше $30 млрд. Это заметно выше примерно $9 млрд на конец 2025 года.
Run-rate — это оценка текущих оборотов «в годовом выражении», исходя из фактических темпов за период. Такой показатель часто используют в индустрии, чтобы быстрее отразить динамику, когда годовая отчетность еще не закрыта.
Какие чипы использует Anthropic сейчас
Сегодня Anthropic применяет целый набор процессоров и ускорителей. Среди них — тензорные процессорные устройства (TPU, Tensor Processing Units), которые разрабатывает Google. Также компания использует чипы Amazon.
Роль TPU в таких проектах — ускорять вычисления, необходимые для обучения и работы моделей машинного обучения, включая нейросети, на которых базируется и чат-бот Claude.
Контракт с Google и Broadcom и вложения в инфраструктуру
На прошлой неделе Anthropic заключила долгосрочное соглашение с Google и Broadcom. Broadcom участвует в разработке компонентов, которые помогают в создании TPU.
Этот шаг продолжает ранее озвученную стратегию компании: намерение инвестировать $50 млрд в укрепление вычислительной инфраструктуры в США. Под «вычислительной инфраструктурой» в данном контексте подразумевают аппаратную базу — центры обработки данных, сеть, серверы и ускорители, а также производственные и инженерные цепочки, необходимые для их стабильного обеспечения.
Тренд на «свои» AI-чипы в большой технологической индустрии
Обсуждения Anthropic похожи на то, что происходит у других крупных игроков. В индустрии идет конкуренция не только в моделях и данных, но и в железе: компании стремятся проектировать собственные AI-чипы, чтобы лучше контролировать производительность, стоимость и доступность вычислений.
Подобные инициативы обсуждаются и в экосистемах Meta и OpenAI — они также связывают рост ИИ с необходимостью развивать собственные аппаратные решения или глубже интегрироваться с поставщиками.
Сколько стоит разработка продвинутого чипа
Создание современного AI-ускорителя — дорогостоящий проект. По оценкам, которые приводят участники отрасли, разработка продвинутого чипа может обойтись примерно в полмиллиарда долларов. Такой бюджет складывается из нескольких статей: нанимают инженеров с профильной экспертизой, проводят множество итераций проектирования, а также вкладываются в контроль качества производства, чтобы минимизировать дефекты при выпуске.
Что это значит для рынка
Если Anthropic все же перейдет от изучения к реализации, это может усилить конкуренцию на рынке вычислительных решений и изменить структуру закупок. Даже частичный уход в сторону собственных разработок обычно означает более гибкое планирование мощностей и потенциальное снижение зависимости от конкретных поставщиков — особенно в условиях дефицита.
Пока же компания остается на стадии обсуждений: окончательное решение — будет ли создан собственный дизайн или приоритет останется за закупками AI-чипов — еще не принято.