Anthropic je potvrdio da osniva interni tim za razvoj silicija koji će projektirati prilagođene čipove za njegov model umjetne inteligencije Claude. Tvrtka želi povećati performanse i učinkovitost sustava dok potražnja za njezinim uslugama nastavlja rasti. Tvrtka je navela da zapošljava inženjere s iskustvom u svim slojevima razvoja čipova. Anthropic očekuje da će tako moći zajednički projektirati hardver i modele, što bi Claudeu trebalo omogućiti brži i učinkovitiji rad u opsegu koji je potreban korisnicima.
AI kompanija opisala je tim za silicij kao najnoviji korak u svojem pristupu koji se oslanja na više vrsta čipova. Anthropic gradi raznovrsnu hardversku infrastrukturu s čipovima Amazon Web Servicesa, Googlea, Nvidije i AMD-a, koji će i dalje imati središnju ulogu u njezinu širenju. Razvoj AI čipova unutar kompanije skup je i tehnički zahtjevan, ali može donijeti bolje performanse i smanjiti ovisnost o Nvidiji. Anthropic se tako pridružuje sve većem broju AI kompanija koje razvijaju prilagođeni silicij, nakon sličnih poteza OpenAI-ja, Mete, Googlea i Amazona.
Anthropic u objavi radnog mjesta navodi da traži malen broj stručnjaka koji će pokrivati širok raspon poslova, od arhitekture i logičkog dizajna do provjere, fizičke izvedbe, pakiranja i dovođenja čipa u serijsku proizvodnju. Kandidatima se traži izravno iskustvo s projektom koji je doista proizveden, što pokazuje da kompanija ne gradi samo istraživačku skupinu nego tim sposoban donositi odluke koje određuju rok, trošak i konačne mogućnosti čipa. Anthropic pritom nije objavio kada bi prvi vlastiti čip mogao biti spreman, na kojem bi se proizvodnom procesu izrađivao ni koja bi ga ljevaonica ili partner za projektiranje proizvodio.
Kompanija je u travnju 2026. proširila suradnju s Amazonom i obvezala se tijekom deset godina potrošiti više od 100 milijardi dolara na AWS tehnologije, uz osiguravanje do pet gigavata novih računalnih kapaciteta. Prema Anthropicovim podacima, Claude se već trenira i izvršava na više od milijun Amazonovih čipova Trainium2, a sporazum obuhvaća i buduće generacije Trainium3 i Trainium4. Projekt Rainier, koji su Anthropic i AWS razvili za velike AI radne zadatke, ilustrira da vlastiti čip neće kratkoročno zamijeniti postojeće ugovore i infrastrukturu nego će im se pridružiti kao dodatna računalna opcija.
Prilagođeni akcelerator može ukloniti funkcije koje određeni model ne koristi, povećati propusnost memorije za kritične operacije i optimizirati potrošnju energije pri treniranju ili izvođenju odgovora korisnicima. Takva optimizacija zahtijeva i vlastiti softverski sloj, prevoditelje, razvojne alate i knjižnice jer bez njih model ne može učinkovito rasporediti izračune na novu arhitekturu. Proizvodnja će i dalje ovisiti o vanjskim ljevaonicama, naprednom pakiranju i memoriji velike propusnosti, pa interni dizajn smanjuje samo dio ovisnosti o globalnom lancu dobave.
Razvoj vrhunskog AI čipa može trajati više godina, a pogreška otkrivena nakon slanja dizajna u proizvodnju može zahtijevati novu skupu verziju i odgoditi čitav program. Google s TPU-om i Amazon s Trainiumom pokazuju da najveća vrijednost prilagođenog silicija nastaje kada su čip, podatkovni centar, mreža, softver i AI modeli projektirani kao povezan sustav. Anthropicova strategija s više dobavljača zato istodobno služi optimizaciji troškova, dostupnosti kapaciteta i pregovaračkoj otpornosti, dok će se stvarni učinak internog čipa moći procijeniti tek nakon objave tehničkih parametara i komercijalne uporabe.
Kompanija još nije rekla hoće li prvi proizvod biti namijenjen treniranju velikih modela, izvođenju odgovora u produkciji ili kombinaciji tih radnih zadataka, a ta odluka određuje ravnotežu između računalne preciznosti, količine memorije velike propusnosti, brzine međusobnog povezivanja čipova, potrošnje energije i troška po obrađenom tokenu, pa se iz same objave o zapošljavanju još ne može zaključiti kakva se arhitektura razvija. Čak i uspješan vlastiti akcelerator neće ukloniti potrebu za Nvidijinim i AMD-ovim grafičkim procesorima, Googleovim TPU-ovima i Amazonovim Trainiumom jer se različite generacije modela, eksperimenti i korisnički poslovi razlikuju po softverskoj podršci, dostupnom kapacitetu, pouzdanosti i rokovima, a velika AI infrastruktura mora nastaviti raditi i dok se nova platforma testira.
Najveća potencijalna korist za Anthropic bit će mogućnost istodobnog prilagođavanja budućih verzija Claudea, algoritama, formata podataka, mreže i silicija, ali takva vertikalna integracija donosi i obvezu višegodišnjeg održavanja hardvera, upravljačkih programa i razvojnih alata kroz više proizvodnih generacija te usklađivanja svake nove verzije modela s prethodno proizvedenim čipovima, čiji se fizički dizajn nakon početka proizvodnje više ne može mijenjati softverskom nadogradnjom.
