“探索 AI 演进边界，洞察前沿科技与商业的底层逻辑。”
一个在谷歌深耕近十年、亲手缔造了七代TPU芯片的男人，突然转身加入了一家模型公司。
这不是普通的人才流动，这是一次战略级的产业信号。2026年8月，Anthropic正式宣布聘请谷歌TPU项目创始人Amir Salek，组建自研芯片团队。消息一出，整个硅谷为之侧目——Claude的缔造者，正式向算力的最底层宣战。
▲ Anthropic聘请Amir Salek报道配图
为什么是现在？算力焦虑到了临界点
要理解这次挖角的分量，先要理解一个残酷的现实：当今最顶尖的AI实验室，命脉握在别人手里。
训练一次Claude级别的大模型，需要数万张NVIDIA H100/B200 GPU，每张卡价格高达数万美元，且长期处于供不应求的状态。Anthropic虽然与AWS深度绑定、也使用过谷歌TPU，但本质上仍是一个算力的租户，而非主人。
💡 核心洞察：当模型能力的天花板越来越取决于算力规模时，谁掌握了芯片，谁就掌握了AI竞赛的节奏。
这正是Anthropic此刻出手的深层逻辑。OpenAI早已与Broadcom联手推进定制芯片，xAI的Grok团队也在加速自有硅路线。前沿实验室的军备竞赛，正从模型层下沉到硅片层。
Amir Salek的加入，让Anthropic一步到位获得了业界最稀缺的能力——从零到一设计一颗世界级AI加速器的完整经验。
这个人有多重要？七代TPU背后的灵魂人物
▸从TPU v1到v7的十年长征
Amir Salek并非一般的芯片工程师。他是谷歌TPU项目的创始级核心人物，从2015年第一代TPU的诞生开始，连续主导了七代芯片的架构设计与工程落地。
谷歌TPU是什么地位？它是全球第一款专门为深度学习设计的大规模商用ASIC，直接催生了Transformer架构的诞生（没错，那篇划时代的Attention Is All You Need论文，就是在TPU上训练完成的）。可以说，没有TPU，就没有今天大模型的繁荣。
而Salek，就是这一切背后的关键推手之一。
▸直接向核心技术负责人汇报
值得注意的是，Salek加入Anthropic后将直接向James Bradbury汇报。Bradbury是Anthropic计算基础设施的核心负责人，这一汇报关系清晰表明：自研芯片不是一个边缘实验项目，而是公司级战略优先事项。
▲ Anthropic自研芯片团队组建相关新闻图
技术路线拆解：为Claude量身定制的硅片长什么样？
▸不是通用GPU，而是深度绑定模型的专用加速器
通用GPU就像一把瑞士军刀——什么都能干，但什么都不是最优解。Salek要做的，是一把专门为Claude锻造的手术刀。
具体而言，这颗芯片的技术方向可能包括以下几个关键维度：
第一，针对Transformer的定制数据流架构。 不同于NVIDIA GPU的通用CUDA核心，Salek团队预计会设计类似TPU的脉动阵列，但更深度地针对Claude的注意力机制和前馈网络层进行硬件级优化。
第二，稀疏化与长上下文的原生支持。 Claude以超长上下文窗口著称，这对显存带宽和计算调度提出了极高要求。专用芯片可以在硬件层面原生支持稀疏激活和动态注意力模式，而非像GPU那样用软件去模拟。
第三，先进封装与存算一体。 预计采用台积电最先进的封装工艺，集成HBM3E甚至HBM4高带宽显存，配合专用的芯片间互连协议，从根本上解决大模型训练和推理中的内存墙问题。
▸软硬件联合优化才是终极杀招
💡 关键洞察：真正的护城河不在于芯片本身，而在于模型-编译器-硬件的三位一体协同优化。
苹果用M系列芯片证明了一个道理：当你同时控制软件和硬件时，能释放出远超通用方案的性能。Anthropic要做的，本质上是AI领域的苹果模式——用自己最懂Claude的优势，反向定义硅片的每一个晶体管该怎么排列。
自研编译器和运行时将成为这套体系的粘合剂，让模型的每一次前向传播都能以最短路径、最低功耗在硬件上完成。
产业冲击波：谁在颤抖，谁在兴奋？
▸NVIDIA的垄断裂缝在扩大
过去三年，NVIDIA凭借GPU在AI训练市场的份额一度超过90%。但随着Anthropic、OpenAI、xAI纷纷启动自研芯片计划，这座看似坚不可摧的堡垒正在出现越来越多的裂缝。
当然，短期内NVIDIA的地位依然稳固。自研芯片从设计到流片再到大规模部署，至少需要2-3年。但趋势已经不可逆转：AI行业正在从租GPU时代，走向自有优化硅+混合云的新范式。
▸台积电和EDA厂商的新机遇
每一家前沿实验室启动自研芯片，都意味着台积电的先进制程产线多了一个重量级客户。同时，Synopsys、Cadence等EDA工具厂商，以及先进封装领域的供应商，也将迎来新一轮需求爆发。
▸开发者的实际利好
对于使用Claude API的千万开发者而言，这是一个中长期的重大利好。自研芯片意味着更低的推理成本、更快的响应速度，最终传导为更便宜的API价格和更强的模型能力。
未来展望：2028年的AI算力版图
如果一切顺利，Anthropic的第一代自研芯片可能在2028-2029年投入使用。届时的AI算力版图将呈现全新格局：
-
- ✓
NVIDIA依然是通用AI算力的基石，但市场份额将从垄断走向主导
-
- ✓
谷歌TPU继续服务内部和云客户，但失去了核心灵魂人物
-
- ✓
Anthropic、OpenAI、xAI各自拥有针对自家模型优化的专用芯片
-
- ✓
云服务定价权将从芯片供应商向模型公司转移
-
这场从软件到硅片的垂直整合浪潮，本质上是AI产业走向成熟的必然。正如智能手机时代苹果自研A系列芯片重塑了移动计算，AI时代的模型公司也终将掌握自己的算力命运。
💡 最后一个思考：当最懂模型的人开始设计芯片，当最懂芯片的人加入模型公司——这两股力量的交汇点，可能就是下一个计算范式诞生的地方。
Amir Salek的这一步，走的不只是职业生涯的新篇章，更是整个AI产业的分水岭。
你认为前沿AI实验室自研芯片，是必然趋势还是资源浪费？NVIDIA的护城河还能守多久？欢迎在评论区聊聊你的看法 👇
