Nakikipag-usap ang Anthropic kay Samsung para sa custom AI chip: Pagsali sa pagsisikap ng sariling silicon

2026/07/05 13:13:00

Alam mo ba na ang mga pinakamataas na laboratorio ng AI ay naglalabas ng milyon-milyon dolyar bawat taon para lamang sa pag-secure ng sapat na processing power upang itrain ang kanilang mga language model? Ang Anthropic ay opisyally nagsimula na sa mga maagang pag-uusap kasama ang Samsung Electronics para sa paggawa ng kanilang unang custom AI processor. Ang estratehikong hakbang na ito ay naglalayong bawasan ang pagkakasalalay sa mga graphics processing unit mula sa mga third-party sa pamamagitan ng pagbuo ng dedicated hardware na optimizado partikular para sa generative workloads. Ayon sa mga ulat mula sa industriya ng semiconductor noong unang bahagi ng Hulyo 2026, ang paglikha ng proprietary chips ay nagpapababa nang malaki sa mahabang panahon na operational costs at nagpapabuti sa pangkabuuang model performance. Mahalaga ang pag-unawa sa pagbabagong ito upang masunod ang hinaharap na ekonomiya ng pag-unlad ng artificial intelligence.

Ang Pagsulong sa Estratehiya patungo sa Custom AI Silicon

Pangangalaga sa Mga Panganib sa Supply ng Kagamitan

Ang mga pangunahing developer ng artificial intelligence ay aktibong tinutuklasan ang pagkakaiba-iba ng hardware upang mapabawasan ang pagkakasalalay sa mga pangunahing tagapagbigay. Ang pagbuo ng sariling mga chip ay nagbibigay sa mga kumpanya ng karagdagang leverage sa negosasyon at tumutulong na mapanatili ang mga dedikadong supply line sa gitna ng kompetitibong pagkakaloob sa buong mundo.

Ayon sa pananaliksik sa merkado na ipinakalabas noong Hunyo 2026, patuloy na limitado ng patuloy na demand para sa mga high-end na GPU ang antas ng global na inventory. Sa pagdisenyo ng kanilang sariling processor, ang mga AI laboratoryo ay naglalayong magkaroon ng proteksyon laban sa posibleng pagkabigo sa supply at pagbabago sa presyo ng hardware.

Mga Ekonomiks ng Unit sa AI Computing

Ang custom silicon ay maaaring mapabuti ang unit economics ng pag-deploy ng AI sa pamamagitan ng pagbaba ng operational cost bawat inference query. Ang mga espesyalisadong chip ay nagtatanggal ng mga hardware feature na hindi kailangan para sa generative workloads, na nagtataguyod ng mas malinaw na cost efficiencies sa mga malalaking server cluster.

Batay sa analisis ng cloud computing noong Mayo 2026, ang mga gastos sa imprastruktura ay kumakatawan sa malaking bahagi ng patuloy na gastos sa artificial intelligence. Ang paglipat sa mga dedikadong logic chip ay nagpapahintulot sa mga kumpanya na mas mabuting balansehin ang kanilang kapital sa pagkuha ng hardware, pagkuha ng talento, at pagkolekta ng data.

Teknikal na Adaptasyon para sa LLMs

Ang mga bespoke processor ay maaaring magbigay ng mas mahusay na performance-per-watt metrics dahil sila ay inimbento para sa mga mathematical workload ng malalaking language models. Ang targeted na arkitekturang ito ay nagpapahintulot sa mga developer na i-optimize ang memory bandwidth at i-configure ang interconnect speeds na nauugnay sa kanilang neural networks.

Madalas na ginagastusan ng pangkalahatang-layunin na hardware ang enerhiya sa pagproseso ng mga utos na hindi ginagamit ng mga generatibong sistema. Ang mga disenyo na espesyal na gawa ay pinapadali ang mga arkitekturang ito, lumilikha ng mga komponenteng nakakaintegrar nang epektibo sa mas malalaking data center.

Ang dinamika ng pagtutulungan ng Anthropic at Samsung

Pagsusuri sa Proseso ng Foundry

Pinagsusuri ng Anthropic ang 2-nanometer na proseso ng paggawa ng Samsung upang lumikha ng isang proprietary na processor. Ang advanced na fabrication node na ito ay nagpapababa ng pagkakalayong transistor, na maaaring mapabuti ang bilis ng pagproseso ng data at mapabawasan ang paggamit ng enerhiya kumpara sa mga lumang arkitektura.

Ayon sa mga roadmaps ng Foundry noong July 2026, ang 2-nanometer node ay isang leading-edge technology sa komersyal na semiconductor engineering. Ang paggamit ng production line na ito ay maaaring magbigay-daan para magsync ang hardware ni Anthropic sa mga performance capabilities na matatagpuan sa mga standard high-end chip.

Advanced Packaging at Integration

Ang patuloy na pag-uusap ay naglalaman ng mga advanced na capability ng Samsung sa pagpapakete ng semiconductor, na nag-iintegrate ng memory at logic chips. Ang modernong performance ng AI ay malaking depende sa kung gaano kaepeksiyente ang isang processor sa pag-access sa data na naka-store sa mga kapitbahay na memory module.

Sa pamamagitan ng paggamit ng integrated packaging techniques, maaaring minimiza ang mga oras ng paglalakbay ng data, na tumutulong na mapabawasan ang mga limitasyon ng memory bottleneck. Ang hardware engineering data noong June 2026 ay nagpapakita na ang packaging integration ay patuloy na itinuturing bilang isang mahalagang salik kasama ang core chip architecture.

Samsung's Market Positioning

Ang pagpapanatili ng isang pangunahing AI client tulad ng Anthropic ay magbibigay sa Samsung Foundry ng isang halagang customer na maaaring gamitin upang makipag-kaibigan nang mas epektibo laban sa TSMC. Hinahanap ng kumpanya ang mga malalaking kontrata para sa logic chip upang tulungan ang pagpapalit ng kanilang kapital na gastos sa mga bagong gawain sa paggawa ng semiconductor.

Nanatitig ang TSMC sa malaking pangunguna sa paggawa ng mga high-end na processor para sa artificial intelligence. Ang isang natapos na kontrata ay magiging isang signal sa merkado tungkol sa kakayahan ng Samsung na magprodyus ng custom silicon sa malaking iskala.

Mga Tala sa Pagpapakilala ng Hardware Engineering

Ang bagong pagpapakilala ni Anthropic kay Clive Chan, isang espesyalisadong inhinyero mula sa isang kilalang programa sa custom chip, ay nagpapakita ng paglipat mula sa pangkalahatang pag-evaluate patungo sa aktibong pagpaplano ng hardware. Ang pagdadalaw ng mga karanasan sa silicon engineering sa loob ng kompanya ay nagpapakita ng pagkakatotoo sa paglalaan ng mga yaman para sa proyektong ito.

Mga naunang halimbawa sa industriya sa pag-unlad ng AI hardware

Ang Inference Processor Initiative ng OpenAI

Ang industriya ng AI ay nag-aadjust sa isang trend kung saan ang mga kumpanya na nakatuon sa software ay nagdidisenyo ng sariling inference processors, tulad ng makikita sa pag-unlad ng Jalapeño chip ni OpenAI kasama ang Broadcom. Ang siklo ng pag-unlad na ito ay nagpapakita na ang mga software-centric na AI laboratoryo ay maaaring aktibong mag-ambag sa pagkakaroon ng custom hardware engineering. Ang mga espesyalisadong inference architectures na ito ay naglalayong bawasan ang patuloy na operational at power costs na kaugnay sa paggawa ng AI responses. Ang umuunlad na paunlarang ito ay nagsisilbing estratehikong gabay para sa paralel na hardware exploration ni Anthropic.

Google’s Tensor Processing Framework

Nagtatag ang Google ng maagang modelo para sa kustomong AI hardware sa pamamagitan ng pagpapakilala ng mga Tensor Processing Units (TPUs) nito higit sa isang dekada ang nakalipas. Ang mga espesyalisadong processor na ito ay sumusuporta sa isang malaking bahagi ng mga lohika ng paghahanap ng Google at bumubuo ng isang komponente ng kanilang cloud artificial intelligence infrastructure.

Sa pamamagitan ng pagcoordinating ng kanyang mga software model at ang kanilang underlying hardware architecture, hinahanap ng Google ang pag-optimize ng system integration at efficiency sa operational cost. Ang iba pang mga kalahati sa industriya ay kasalukuyang nag-evaluate ng katulad na vertically integrated na mga paraan upang pamahalaan ang kanilang hardware dependencies.

Mga Portfolio ng Silicon para sa Cloud Provider

Ang mga pangunahing provider ng cloud infrastructure, kabilang ang Amazon at Microsoft, ay nag-integrate ng proprietary AI processors sa kanilang server ecosystem. Ang mga Trainium chip ng Amazon at ang mga Maia accelerator ng Microsoft ay nag-aalok ng alternatibong opsyon para sa mga developer na naghahanap ng mga opsyon kasama ang tradisyonal na GPUs. Ang mga panloob na solusyong hardware na ito ay naglilingkod bilang mga viable na alternatiba para sa mga partikular na corporate workload. Ang patuloy na paggamit ay nagpapakita ng lumalaking pagtanggap ng merkado sa mga espesyalisadong alternatiba para sa standard na general-purpose graphics processing units.

Anthropic Multi-Vendor Hardware Strategy

Pananatili ng Mga Ugnayang May Kakaibang Mga Supplier

Habang nag-aaral ng pag-unlad ng proprietary silicon, patuloy ni Anthropic ang paggamit ng diversified hardware approach sa pamamagitan ng paglalagay ng mga processor mula sa Amazon, Google, at mga itinatag na manufacturer ng GPU. Ang pagdibersipikasyon sa iba’t ibang provider ng arkitektura ay tumutulong na mapabawasan ang mga operasyonal na panganib na kaugnay ng mga pagkabigo sa supply chain sa lokal na antas.

Ang mga pahayag ng kumpanya mula sa maagang Hulyo 2026 ay nagpapakita na ang multi-vendor environment ay nananatiling sentral sa mahabang panahon na pagsusulong ng Anthropic. Ang hybrid na estratehiyang ito ay sumusuporta sa pagmamahala ng computing capacity habang ang mga proyektong custom silicon ay nasa mga unang yugto ng pagsubok.

Pag-alok ng mga trabaho sa pag-infer at pag-train

Ang mga proyekto sa pag-unlad ng custom silicon ay karaniwang nagtatarget sa inference workloads, dahil ang pagbuo ng mga sagot ng model ay nagsisilbing malaking bahagi ng patuloy na gastos kumpara sa unang pagtatrain. Habang ang pagtatrain ng model ay kadalasang nangangailangan ng fleksibilidad ng general-purpose architectures, ang inference operations ay nakikinabang sa targeted mathematical optimization. Ang inference ay bumubuo sa karamihan sa operational expenses ng mga deployed na model. Ang pag-unlad ng dedicated silicon para sa inference ay isang kilalang paraan upang pamahalaan ang margin ng kita para sa mga subscription-based AI services.

Mahabang Panahon na Pagpaplano sa Kompyutasyon

Ang pag-e-evaluate ng mga maagap na pagpipilian sa paggawa ay naglalayong tulungan ang Anthropic na makakuha ng kapasidad sa pagproseso upang suportahan ang susunod na henerasyon ng kanyang mga modelo na Claude. Patuloy na tumataas ang mga pangangailangan sa komputasyon para sa mga frontier model araw-araw, na nag-uudyok sa mga developer na ipatupad ang proaktibong pagplano sa hardware.

Mga Profile ng Teknikal na Pagganap ng Infrastruktura ng AI Hardware

Mga Arkitektura ng Memorya Bandwidth

Ang mataas na memory bandwidth ay patuloy na pangunahing teknikal na kailangan para sa epektibong pagsasagawa ng generative AI workloads sa iskala ng datacenter. Dapat mabilis na i-transfer ng processors ang mga dataset sa pagitan ng memory sub-systems at computational cores upang panatilihin ang efficiency ng execution pipeline.

Ang mga limitasyon sa memory bus ay nagdudulot ng makabuluhang bottleneck para sa mga high-performance logic processor. Ang pagbuo ng custom silicon ay nagpapahintulot sa mga arkitekto na istrukturan ang mga dedikadong memory interface na nakatutok sa mga partikular na data-flow patterns ng target models.

Pamamahagi ng Lakas at Pamamahala sa Temperatura

Ang pagpapatakbo ng malalaking cluster ng processor ay nagdadala ng malaking output ng init, na nagtatatag ng enerhiyang epektibo at pagpapamahala ng kapangyarihan bilang mahahalagang baryable sa disenyo ng custom na silicon. Ang paggamit ng advanced na proseso ng paggawa ay tumutulong sa pagbawas ng dynamic power draw, na tumutulong sa mga datacenter sa pagpapamahala ng mataas na power density ng modernong server racks.

Ang thermal management at facility cooling ay bumubuo ng makabuluhang porsyento ng kabuuang gastos sa operasyon ng datacenter. Ang mga processor na optimal para sa mas mataas na performance-per-watt metrics ay nag-aalok ng matagalang pinansyal na kalamangan kumpara sa mas hindi epektibong lumang arkitektura.

Interconnect Fabric at Scalability

Ang mga malalaking modelo ng artificial intelligence ay lumalampas sa kakayahan ng mga indibidwal na silicon die, kailangan ng libu-libong nakakaugnay na node upang magtrabaho bilang isang magkakaugnay na computing cluster. Mahalaga ang high-bandwidth interconnect infrastructure upang mapadali ang pag-transfer ng data sa buong network habang pinoproseso ang lokal na network latency. Sa pamamagitan ng pagbuo ng integrated networking features kasama ang core processing logic, ang mga design team ay nagtatanggap na mapabuti ang cluster synchronization sa loob ng datacenter environment.

Mga Pansariling Epekto sa mga Startup ng AI

Mga Balangkas sa Pagsisikap sa Paghuhukay ng Kapital na Pampagawa

Ang pagpapanatili ng tiyak na pagkakaroon ng access sa hardware infrastructure ay naging mahalagang tukoy na sinusuri ng mga negosyo ng venture capital kapag pinapautang ang mga laboratoryo sa harap na artificial intelligence, dahil kilala ng mga investor na ang mga kumpanya na ganap na nakasalalay sa pinapautang standard cloud hardware ay nakakaranas ng napapaliit na long-term profit margins. Ang malaking halaga ng venture capital ay kasalukuyang direkta sa mga custom silicon initiative, na nagpapahintulot sa mga espesyalisadong software-centric na developer na i-offset ang bahagi ng malaking upfront research at development costs na kinakailangan upang disenyo ang physical chip architectures.

Pangangalaga sa mga gastos sa operasyon ng infrastruktura

Ang pagbaba ng gastos sa mga operasyon ng inference ay nagdudulot ng mas fleksibleng modelo ng pagpapresyo at pagpapabuti ng gross margin para sa mga serbisyo ng artificial intelligence, dahil ang pag-optimize ng custom silicon ay nagbabawas sa kabuuang komputasyonal at elektrikal na gastos na kailangan upang makagawa ng mga sagot ng modelo. Ang cost-efficiency ay ang pangunahing larangan ng kompetisyon para sa pagtatanghal ng enterprise AI, kaya ang mga kumpanya na kayang magbigay ng napakakakayahang mga modelo sa mas mababang komputasyonal na gastos ay maaaring maglagay ng sarili sa isang mas maunlad na posisyon sa mas malawak na teknolohiyang merkado.

Mga Korporatibong Pagpapahalaga at Efiensiya ng Kapital

Ang pagpapalawak ng kontrol sa layer ng hardware infrastructure ay positibong nakakaapekto sa pangkabuuang korporatibong pagbabahagi ng isang AI developer sa pamamagitan ng pagdiversify ng mga pagkakasalalay sa infrastructure at pagprotekta sa propiyetaryong ari-arian sa intelektwal mula sa software stack pababa sa pisikal na layout. Ang mga teknolohiya na kumikilos sa vertical integration ay karaniwang bumibili ng mas mataas na multiples sa mga pamilihan ng pananalapi, dahil ang pagpaplano ng internal na hardware roadmap ay nagpapahintulot sa isang AI software laboratoryo na maging mas matatag at komprehensibo na teknolohiya na organisasyon mula sa isang pure application developer.

Paano Mag-navigate sa Pag-trade sa KuCoin Sa Gitna ng Dinamika ng AI Hardware

Pagkilala sa mga Token ng Impormasyong Kaugnay sa AI

Ang pagpapalawak ng kustomisadong AI hardware ay naglalikha ng spekulatibong korelasyon at pagkakasunod-narativ sa blockchain-based na artificial intelligence at infrastructure tokens, na madalas na tumutugon sa mga malalaking pagpapahayag sa industriya ng semiconductor. Habang ang mga decentralized computing network at distributed storage protocols ay gumagana sa magkakaibang teknikal na track ng paglago kaysa sa sentralisadong paggawa ng chip, ang mga digital asset na ito ay naglilingkod bilang mga spekulatibong bisita para sa mga participant na sinusubaybayan ang mas malawak na sektor ng AI.

Ang mga trader na nakafokus sa ecosystem na ito ay karaniwang sinusubaybayan ang mga partikular na kategorya ng digital na asset:

Mga protokolo ng decentralized computing network
Mga network ng distributed data storage
Mga utility token ng artificial intelligence

Epektibong Paggawa ng Market at Limit Orders

KuCoin spot trading ay nagbibigay ng imprastruktura upang makabuo ng eksposur sa mga emerging technology tokens gamit ang standard na market o limit orders, batay sa prioridad ng pag-execute ng bawat indibidwal. Ang paggamit ng malalim na order book sa mga mataas na volume na platform ay tumutulong sa mga trader na kontrolin ang mga gastos sa pagpasok, na nananatiling mahalagang praktika sa pagpapahalaga ng panganib kapag naglalakbay sa mga napakabagabag na paggalaw ng order na karaniwan sa mga asset ng artificial intelligence.

Paggamit ng Spot Trading para sa Pagpapahinga ng mga Aset

Trading sa loob ng spot markets ay nagpapahintulot sa mga participant ng merkado na panatilihin ang direkta na pag-aari ng kanilang mga digital asset. Ang pagpapanatili ng spot assets nang direkta ay nagbibigay din ng fleksibilidad, na nagpapahintulot sa mga user na i-transfer ang kanilang mga asset sa mga eksternal na cold storage solution o i-deploy sa mga available na network staking protocol.

Kongklusyon

Ang mga maagang pag-uusap ng Anthropic kay Samsung para gawin ang isang custom AI chip ay nagpapakita ng isang lumalaking trend sa imprastruktura kung деan ang mga developer ng model ay humahanap ng karagdagang leverage laban sa operational costs at mga pagkakasandali sa supply chain. Ang pag-aaral ng isang 2-nanometer process node kasama ang mga advanced packaging technologies ay nagpapahintulot sa mga design team na targetin ang mga data transfer bottlenecks at mapabuti ang performance-per-watt metrics para sa mga espesyalisadong generative workload. Habang nananatili pa ang proyekto sa isang maagang pagsasaplano, ang estratehikong pagpapakilala ng mga karanasan na silicon engineers ay tumutugma sa isang mas malawak na paggalaw patungo sa custom hardware, na nagpapakita ng katulad na optimisasyon na mga inisyatiba na isinagawa ng mga kalaban sa industriya.

Ang pagpapamahala sa mga malalaking cluster ng server ay nangangailangan ng malaking kapital at espesyalisadong inhinyeriya upang lutasin ang mga kumplikadong thermal at interconnect constraints sa mga distributed node. Habang ang isang natapos na kasunduan sa foundry ay magtataglay ng isang mahalagang customer na referensya para sa Samsung upang palawakin ang kanyang bahagi sa merkado sa loob ng leading-edge logic market, patuloy pa ring itinataguyod ng Anthropic ang kanyang paglago sa compute sa malapit hanggang gitnang panahon sa isang diversipikadong pipeline ng tradisyonal na GPU at cloud-provider accelerators.

Para sa mga tagapag-ugnay sa merkado na sinusubaybayan ang pag-unlad ng infrastrukturing ito, ang mga pagbabagong ito sa physical supply chain ay maaaring mag-apekto sa performance multiples sa mga tradisyonal na teknolohiyang aktibo habang parehong nagpapalit ng spekulatibong damdamin sa mga kaugnay na sektor ng digital asset.

Madalit na Tanong

Bakit gusto ng Anthropic na bumuo ng isang custom AI chip?

Ginagawang custom silicon ng Anthropic upang malaki ang pagbawas sa matagalang gastos na kaakibat ng pagpapatakbo ng mga modelo ng artificial intelligence nito. Pinapayagan ng proprietary hardware ang kompanya na malakas na mapabuti ang paggamit ng enerhiya at computational performance habang ligtas na bawasan ang buong pagkakasalalay nito sa mga standard na processor mula sa mga third-party.

Tinatanggal na ba ng Anthropic ang mga GPU mula sa mga third-party?

Hindi, hindi nagpapabaya ang Anthropic sa mga third-party processor. Malinaw na sinabi ng kumpanya na ang pagpapanatili ng isang malawak na diversipikadong hardware stack—kabilang ang mga komponent mula sa Amazon, Google, at mga tradisyonal na manufacturer ng GPU—ay nananatiling isang sentral at hindi maaaring ipagtawag na pundasyon ng kanyang mahabang panahon na computing at model scaling na estratehiya.

Ano ang kahalagahan ng 2-nanometer process?

Ang proseso ng paggawa na 2-nanometer ay kumakatawan sa pinakamataas na uri ng komersyal na teknolohiya ng semiconductor na kasalukuyang available sa pandaigdigang merkado. Ito ay nagpapahintulot sa mga inhinyero na i-press ang mas maraming transistor sa mas maliit na pisikal na lugar, na nagreresulta sa mga processor na sobrang mabilis at napakae-efisiyenteng enerhiya.

Nakapagtapos na ba ang Anthropic sa pagdisenyo ng chip nito kasama ang Samsung?

Hanggang sa maagang Hulyo 2026, ang mga pag-uusap tungkol sa paggawa ay nananatiling malalim sa mga maagap na yugto ng pag-unlad at pag-aaral. Hindi pa nagwawakas ang Anthropic sa partikular na disenyo arkitektural, mga layuning kakayahan sa performance, o eksaktong mga kahilingan sa integrasyon ng server rack para sa inirerekomendang custom hardware.

Paano nakakaapekto ang potensyal na pagkakasundo sa Samsung Foundry?

Ang pagpapanatili kay Anthropic bilang isang malaking kliyente sa paggawa ay magbibigay ng mahalagang tulong kay Samsung sa napakasiguradong merkado ng advanced logic chip. Ito ay naglalayong patunayan na kayang mag-produce nang malaki si Samsung ng pinakamodernong hardware para sa artificial intelligence kumpara sa mga kumpetidor na global foundries.

Disclaimer

Ang impormasyon na ibinibigay sa pahinang ito ay maaaring mula sa mga third-party source at hindi kailangang kumakatawan sa mga pananaw o opinyon ng KuCoin. Ang nilalaman na ito ay naglalayon lamang para sa pangkalahatang impormasyon at hindi dapat itingin bilang financial, investment, o propesyonal na payo. Hindi nagagarantiya ng KuCoin ang kawastuhan, kumpletong impormasyon, o kumpiyansa ng mga datos, at hindi ito responsable sa anumang error, pagkakalimutan, o resulta na nagmumula sa paggamit nito. Ang pag-invest sa mga digital asset ay may nakapaloob na panganib. Mangyaring mabuting ihambing ang inyong kakayahan sa panganib at pananalapi bago gumawa ng anumang desisyon sa pag-invest. Para sa karagdagang detalye, mangyaring bisitahin ang Mga Tuntunin ng Paggamit at Pagpapahayag ng Panganib ng KuCoin.

Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.