Anthropic最近动作不少。先是签下了和AI云创公司Volta的100亿美元算力大单，然后又首次公开确认组建内部芯片团队，为Claude打造定制化AI芯片。
这两件事放在一起看，能读出很多东西。
100亿美元大单：算力焦虑不是说说而已
先看数据。Anthropic和Volta签的这单是它近期一系列云合作中最大的一笔。100亿美元什么概念？差不多是字节跳动一年利润的好几倍。
为什么需要这么多算力？因为Claude模型越来越大，用户越来越多，推理成本越来越高。简单算一笔账：如果Claude每天处理100亿token的推理请求，按GPT-5.6 Luna降价后每百万token 1.2美元算，光推理一天就要花12万美元，一年4400万美元。实际用量肯定远超这个数字。
而且Scaling Law还没失效。更大的模型需要更多的算力来训练，训练一次顶级模型的成本已经奔着几十亿美元去了。100亿看起来多，摊到几年里，其实只够维持当前的增长速度。
自研芯片：从"买显卡"到"造芯片"
比签算力单更有意思的是自研芯片。Anthropic的策略叫"多芯片策略"：AWS Trainium、Google TPU、NVIDIA Blackwell、AMD MI系列——现有的硬件还是主力，自研芯片是长期布局。
这套打法跟Google做TPU的逻辑类似。通用GPU虽然什么都能跑，但大模型推理有非常特定的计算模式：矩阵乘法多、访存密集、对特定精度需求高。如果针对这些特点定制芯片，理论上可以把推理效率提升50%到200%，功耗降一半以上。
但造芯片这事门槛极高。从设计到流片到量产，周期至少2-3年，烧掉几个亿很正常。Anthropic选择现在公开这个消息，与其说是马上要出芯片，不如说是在向市场喊话：我们不打算一直受制于英伟达。
行业趋势：模型公司集体从上游突围
Anthropic不是第一个这么干的。OpenAI早就在秘密招芯片人才，传闻Sam Altman本人亲自面试芯片架构师。Google有TPU，Meta自研MTIA推理芯片，微软和AMD深度绑定做Maia。
趋势很清晰：当模型层的差异化越来越小，竞争就会从"谁的模型更强"转向"谁的算力成本更低"。而算力成本的终极解法就是自研芯片。
英伟达当然不是坐以待毙。黄仁勋前两天刚说Blackwell GPU"确实有可能"进入中国市场。英伟达也在降价、扩产、推定制化方案。但问题是，模型公司对算力的需求增长比英伟达的扩产速度快。
这个趋势对普通用户意味着什么
短期看，自研芯片不会马上让Claude变便宜。但3-5年内，如果各家自研芯片都量产出货，大模型推理成本有望再降一个数量级。
到时候，可能就不是"ChatGPT收月费"的模式了。更可能是AI像水电一样，按用量计费、便宜到可以忽略不计。这才是真正的AI普惠。
不过话说回来，造芯片失败的概率也不小。历史上想挑战英伟达的公司不少，成功的没几个。Anthropic的芯片团队能不能做出东西来，至少还得等两年才知道。
老K说到点子上了。推理成本才是真正的瓶颈。训练一次花几亿是一次性的，但推理每天几百万用户同时在用，那个账单才是吓人的。
我一直觉得AI公司自研芯片有点像Tesla自研FSD芯片——短期ROI算不过来，但长期不做就永远被卡脖子。Anthropic这一步走晚了，但总比不走强。
100亿签算力单的时候我在想：这些钱如果用来训练模型，能训练多少个版本？结果发现可能只够训练3-4个。AI烧钱真不是开玩笑的?
按每百万token 1.2美元，100亿美元能推理……让我算算，大概8.3兆token。Claude用户如果过亿，半年就烧完了。所以自研芯片不是选项，是生存问题。
多芯片策略是对的。自研芯片不是一两年能搞定的事，先用AWS、Google、AMD的搞定眼下的需求，自研负责长远。务实，不像有些公司上来就说要颠覆英伟达。