【电报解读】重磅！Anthropic正为Claude组建一支内部芯片团队，机构测算推理集群与成本性价比......

核心结论

Anthropic首次公开确认正为Claude大模型组建内部芯片设计团队，采用"多芯片策略"，即自研ASIC芯片与AWS、谷歌、英伟达、AMD等外部硬件并行。机构数据显示，AI ASIC芯片收入增速（CAGR约27%）约为GPU（CAGR约14%）的两倍，AI专用芯片在推理侧的性价比优势正在加速兑现。

---

关键信息

• Anthropic公开确认组建内部硅芯片团队，为Claude模型设计定制芯片，这是其首次对外确认相关计划。
• Anthropic将采取"多芯片策略"，AWS、谷歌、英伟达和AMD的硬件仍将处于其算力扩展工作的核心地位。
• 业内观点认为，GPU与ASIC不会是简单的替代关系，而是长期并存、分工协同：训练侧和复杂模型探索仍依赖GPU，推理侧和大规模稳定负载更适合ASIC。
• 据彭博行业研究数据，2024年AI ASIC芯片收入约92.8亿美元，预计到2033年增至约1147.6亿美元，CAGR约27%；同期GPU收入从约1067.2亿美元增至约4892.4亿美元，CAGR约14%。
• AI加速芯片整体市场预计从2024年约1160亿美元增至2033年约6040亿美元，CAGR约16%，AI ASIC增速显著高于行业平均。

---

潜在影响

• 头部AI模型厂商自研芯片，意味着AI算力供给正从"单纯采购GPU"向"自研+外购混合"演进，AI ASIC在推理场景中的渗透率有望持续提升。
• 对云厂商而言，自研ASIC是缓解高端GPU供给约束、优化算力成本结构、提升盈利能力的重要抓手。
• 短期内对英伟达等GPU厂商影响有限，因为Anthropic明确表示外部芯片仍是核心，但中长期可能改变AI算力市场的竞争格局与议价结构。

---

关注要点

• Anthropic自研芯片的后续落地时间、流片进展以及实际部署场景尚不明确，原文未披露更多细节。
• 多芯片策略下，自研ASIC与现有GPU/TPU等硬件在实际推理任务中的分工边界如何划定，有待持续跟踪。
• AI ASIC在推理侧的渗透节奏，取决于其软件生态成熟度与客户迁移成本，这一进程的验证仍需时间。

---

关联个股

• 兴森科技：公司ABF载板是芯片封装的原材料，主要应用于CPU、GPU、FPGA、ASIC等芯片领域。当日涨幅+6.20%。
• 翱捷科技：公司ASIC定制业务目前项目丰富，覆盖多类客户，包括头部的CSP厂商及系统厂商。当日涨幅+4.48%。

---

> 注：原文未提供Anthropic自研芯片的具体技术参数、流片时间表、代工合作方，以及上述两家公司是否直接进入Anthropic供应链等信息，相关判断依据不足，需以公司公告为准。

【电报解读】重磅！Anthropic正为Claude组建一支内部芯片团队，机构测算推理集群与成本性价比双轮驱动下，AIASIC增长速度为GPU的两倍，这家公司ASIC定制业务客户包括头部的CSP厂商

电报解读

Ⅱ 电报内容

【Anthropic确认正在为Claude组建一支内部芯片团队】财联社8月5日电，据报道，Anthropic正在组建一支团队，以设计其自有的人工智能芯片，原因是其模型的需求量正急剧攀升。根据一份招聘启事和一份公司声明，这家人工智能初创企业正在招聘工程师，以为其Claude AI模型设计定制芯片。Anthropic的一位发言人表示，该公司正在组建内部硅芯片团队，为Claude设计定制芯片，这是其首次公开确认相关计划。该发言人还表示，Anthropic将采取一种“多芯片策略”，即来自AWS、谷歌、英伟达和AMD的硬件仍将处于该人工智能实验室规模扩展工作的核心地位。

Ⅱ 电报解读

回

微信扫码

cset.cnthesims.com

大V实盘 视频直播 海量资讯作文免费看

一手资讯 同步更新 全网最全最真最快最及时

●

题材解读

●

一、ASIC不会完全替代GPU，二者将长期并存、分工协同

通用GPU的核心优势在于高效的张量计算。但随着模型参数量突破千亿/万亿级别，且文本生成、代码补全、图像理解等任务对延迟和吞吐量要求多样化，单纯GPU堆叠难以满足复杂的推理需求。在实际推理任务中，通用GPU较易面临计算资源利用率、内存墙、能效比问题，使得其算力利用率、内存带宽利用率偏低。

相比通用GPU，AI ASIC凭借其定制化架构、高计算密度和低功耗特性，通常能实现更高的能效比与更优的性价比。为实现优于通用GPU的能效及更低延时，全球互联网巨头/头部消费科技公司/模型厂商积极布局AI ASIC方案；例如谷歌的TPU、亚马逊的Trainium及Groq的LPU（整合进英伟达LPX系统）等。

当前，最前沿的大模型训练、复杂模型探索以及新型架构验证，对灵活性和软件生态依赖仍然很高，GPU依旧是不可替代的核心平台；推理侧、特定垂类场景和大规模稳定负载，则更适合导入专用化ASIC。

业内认为，未来算力体系的演进方向，并非GPU与ASIC的简单替代关系，而是通用算力与专用算力在不同场景中的再分工。

二、推理集群与成本性价比双轮驱动，AI ASIC增长速度为GPU两倍

自研ASIC正在成为云厂商构建竞争优势的重要抓手。一方面，自研芯片有助于缓解高端GPU供给约束，提升算力供给能力；另一方面，相较于外部采购GPU，自研ASIC能够显著优化成本结构，提升云业务盈利能力。随着自研芯片成熟度持续提升，具备ASIC能力的云厂商有望在收入增长与利润释放两个维度持续受益。

慧博智能投研认为，随着AI推理集群规模不断扩大，成本与性能平衡成为CSP的核心关注点，传统计算芯片在特定AI场景下的能效比与算力成本优势逐渐减弱。AI ASIC凭借专用架构、高计算密度及低功耗特性，能够在推理场景中实现更优的性价比与能效表现，从而成为CSP优化AI工作负载的重要技术路径。根据彭搏行业研究数据，GPU总收入预计仍将以约14%的CAGR增长，主要受训练计算负载驱动，而AI ASIC芯片总收入增长更为迅速，CAGR约为27%，主要受益于推理计算需求的持续扩张。

AI加速芯片TAM

资料来源：Bloomberg Intelligence《AI Accelerator Chips 2026 Outlook》，华创证券

回

微信扫码

大V实盘 视频直播 海量资讯作文免费看

手资讯 同步更新 全网最全最真最快最及时

●

相关上市公司

●

兴森科技：公司ABF载板是芯片封装的原材料，主要应用于CPU、GPU、FPGA、ASIC等芯片领域。

翱捷科技：公司ASIC定制业务目前项目丰富，覆盖多类客户，包括头部的CSP厂商及系统厂