Según un informe de The Information del jueves, Anthropic está en conversaciones con Samsung para el desarrollo de chips de inteligencia artificial personalizados y ya ha iniciado los trabajos preliminares para el desarrollo de sus propios chips de IA. Si estos chips de servidor personalizados finalmente entran en producción en masa, supondría un paso importante hacia la autonomía en hardware por parte de la compañía detrás de Claude.
Este movimiento se interpreta como una señal de que Anthropic sigue los pasos de OpenAI.
OpenAI ha avanzado antes en su proyecto de chips de IA personalizados y está colaborando con socios de diseño y fabricación de chips, intentando construir una infraestructura computacional más independiente y eficiente para productos como ChatGPT. Ambas compañías apuntan a la misma tendencia: las empresas de modelos grandes están pasando de competir únicamente en algoritmos a competir en una integración de software y hardware.
El impacto en el mercado afecta primero a tres áreas: el entorno de negociación de proveedores externos de GPU como NVIDIA, las oportunidades para fundiciones como Samsung en los pedidos de chips de IA, y el ritmo futuro de financiación y salida a bolsa de las startups de IA.
Según un informe de Barron's, analistas de Deutsche Bank aconsejaron recientemente que OpenAI y Anthropic no deberían retrasar demasiado su OPV (Oferta Pública de Venta), una de las razones siendo precisamente la necesidad de un enorme capital a largo plazo para el desarrollo de sus propios chips y la infraestructura de capacidad de cálculo.
Desarrollar chips propios es, ante todo, una cuestión de control sobre la capacidad de cálculo
Actualmente, entrenar y ejecutar modelos grandes requiere una gran cantidad de recursos de computación de alto rendimiento. El mercado de la computación de IA depende en gran medida de la arquitectura GPU de NVIDIA, y la tensión entre oferta y demanda mantiene los costes de entrenamiento e inferencia de modelos en niveles elevados. Para empresas de modelos como OpenAI y Anthropic, los chips ya no son solo un artículo de compra, sino un medio de producción central.
La demanda del modelo Claude de Anthropic creció significativamente en 2026. Según informes de TradingKey, ejecutivos de Anthropic habían revelado anteriormente que los ingresos anualizados de la compañía superaban los 300 mil millones de dólares, mientras que a finales de 2025 eran de aproximadamente 90 mil millones. La expansión del negocio impulsa un rápido aumento de la necesidad de capacidad de cálculo, amplificando también el impacto de la incertidumbre en el suministro de chips externos en las operaciones de la empresa.
Anthropic aún depende de múltiples soluciones de chips de terceros, incluidas las TPU diseñadas por Google, propiedad de Alphabet, y los chips propios de Amazon. Los informes indican que Anthropic también ha alcanzado un acuerdo de suministro a largo plazo de TPU con Google y Broadcom, relacionado con su compromiso previo de invertir 500 mil millones de dólares en infraestructura de computación en Estados Unidos.
Esto significa que desarrollar chips propios no equivale a independizarse completamente de proveedores externos. Un objetivo más realista es dominar las capacidades de diseño central, crear opciones técnicas de respaldo y mejorar las cartas de negociación en el futuro.
El coste es solo el punto de entrada; la sinergia software-hardware es la clave
La razón más directa para desarrollar chips propios es reducir costes. Mediante ASICs personalizados, las empresas de IA pueden optimizar el flujo computacional en torno a la arquitectura de sus propios modelos, reduciendo módulos innecesarios en los chips genéricos, mejorando así la eficiencia energética. Si el chip de Anthropic tiene éxito en su fabricación y despliegue, los informes sugieren que podría reducir significativamente el coste de las llamadas a la API y afectar a la estructura de precios en el mercado de aplicaciones empresariales de IA.
Pero el coste no es la única variable. Dylan Patel, fundador de SemiAnalysis, enfatizó en una entrevista que el mayor espacio para la mejora de la eficiencia en IA no proviene solo de chips más rápidos, sino del diseño colaborativo entre el modelo, el núcleo y el silicio. Señaló que la optimización en una sola capa podría aportar una mejora del doble, pero la colaboración entre capas podría lograr un efecto mucho mayor que una simple multiplicación.
Esto explica por qué tanto OpenAI como Anthropic se están adentrando más en la participación en hardware. La arquitectura del modelo no se adapta naturalmente a todos los chips. Dylan Patel afirmó que los modelos de OpenAI son más dispersos (sparse), mientras que los modelos de Anthropic son relativamente más densos (dense). Ambos presentan diferencias significativas en aspectos como el tamaño de las unidades de multiplicación de matrices, la estructura del mecanismo de atención y la forma de las capas expertas (MoE), lo que hace que ambas compañías tiendan naturalmente hacia direcciones diferentes en la elección de hardware. "De hecho, según la dirección de desarrollo del modelo de OpenAI, usar TPU podría ser una mala decisión para ellos; y según la dirección de desarrollo de los modelos de Anthropic y Google, entrenar con GPU podría ser igualmente una mala decisión", dijo.
En otras palabras, desarrollar chips propios no es simplemente reemplazar la GPU de NVIDIA por un chip propio. El verdadero objetivo es que el modelo, desde su concepción, pueda adaptarse al hardware subyacente, mejorando así la velocidad de inferencia, el consumo energético, el rendimiento (throughput) y la economía unitaria.
No es un reemplazo inmediato para NVIDIA, sino un contrapeso a largo plazo
Desarrollar chips de IA propios, desde el diseño y la investigación, pasando por la verificación y fabricación del primer prototipo (tape-out), hasta el despliegue final en producción, suele requerir de 18 a 24 meses. Incluso si Anthropic llega a un acuerdo exitoso con Samsung, es poco probable que sus chips propios reemplacen sustancialmente el suministro actual de capacidad de cálculo en el corto plazo.
OpenAI, por su parte, avanza antes. Según informes de TradingKey, OpenAI ha optado por colaborar con Broadcom y TSMC, planeando desplegar su primer chip de inferencia en la segunda mitad de 2026. En comparación con Anthropic, OpenAI es más proactiva y está más cerca de la fase de implementación en su camino hacia los chips personalizados.
La dirección de las empresas de modelos grandes hacia el desarrollo de chips propios apunta efectivamente a reducir la dependencia de proveedores como NVIDIA. Pero esto no significa que la posición de NVIDIA se verá debilitada rápidamente. Dylan Patel señaló en la entrevista que las GPU de NVIDIA aún mantienen la ventaja de la versatilidad, y muchos modelos y el ecosistema de código abierto están ya optimizados para GPU. También mencionó que la supuesta "muralla" de CUDA no es solo CUDA en sí, sino que gran parte del ecosistema de modelos y software aguas abajo ya está adaptado a la forma del hardware de NVIDIA. Si la estructura de expertos del modelo, las dimensiones ocultas y los modos de comunicación son más adecuados para GPU, entonces, incluso si otros chips tienen ventajas, la migración podría no ser sencilla.
Por lo tanto, desarrollar chips propios se asemeja más a establecer una segunda ruta. OpenAI y Anthropic probablemente seguirán utilizando múltiples recursos de capacidad de cálculo como GPU, TPU, Trainium, etc., mientras destinan sus ASICs propios a cargas de trabajo más definidas, estables y de alta frecuencia, especialmente en escenarios de inferencia.
Se abre por completo la carrera por la "autonomía en capacidad de cálculo" en toda la industria
La lógica común detrás del desarrollo de chips propios por parte de OpenAI y Anthropic se puede resumir en tres puntos: reducir el coste de la capacidad de cálculo a largo plazo, disminuir la dependencia del suministro externo y mejorar la eficiencia del modelo mediante la sinergia software-hardware.
De estos, el tercer punto podría ser el más crítico. A medida que las empresas de modelos escalan, la capacidad de cálculo genérica no puede satisfacer completamente las necesidades de arquitecturas diferenciadas. Los chips propios permiten a las empresas colocar el diseño del modelo, el software del sistema y el silicio subyacente dentro de un mismo marco de optimización.
Pero la dirección ya es clara: la competencia en modelos grandes se está extendiendo de "qué modelo es más potente" a "quién puede controlar mejor la capacidad de cálculo, el capital y la pila de hardware". Esta es también la verdadera razón por la que tanto OpenAI como Anthropic se encaminan hacia el desarrollo de chips propios.
La exploración de Anthropic no es un caso aislado. Desde la serie TPU de Google, cultivada durante más de una década, hasta la serie Trainium de Amazon centrada en entrenamiento, pasando por la serie MTIA de Meta orientada a inferencia y la serie Maia que Microsoft sigue impulsando, las principales compañías tecnológicas ya tienen una presencia profunda en la carrera por desarrollar sus propios chips.
Para Samsung, si logra asegurar el pedido de fabricación de chips de Anthropic, supondría un importante impulso para la influencia de su negocio de fundición (foundry) en el campo de la IA. Samsung compite actualmente intensamente con fabricantes como TSMC por clientes de procesos avanzados, y atraer a un cliente de IA con alto potencial de crecimiento como Anthropic ayudaría a expandir su territorio en el campo de los semiconductores para IA.
Este artículo proviene de la cuenta oficial de WeChat: Wall Street Insights , autor: Zhao Ying
