Anthropic soll eigenen KI-Chip prüfen: Gespräche mit Samsung über 2 nm, OpenAI-Talent und der nächste Compute-Krieg

Einführung

Anthropic hat sich lange als Unternehmen präsentiert, das nicht von einem einzigen Hardware-Pfad abhängig sein will. Die Compute-Strategie des Unternehmens basiert auf einer Mischung aus AWS Trainium, Google TPUs und NVIDIA-GPUs. Dieser Multi-Plattform-Ansatz verschafft dem Claude-Entwickler mehr Flexibilität als eine reine NVIDIA-First-Strategie.

Jüngsten Berichten zufolge könnte Anthropic nun jedoch eine vierte Karte ins Spiel bringen: einen eigenen maßgeschneiderten KI-Chip.

Dem ursprünglichen Artikel zufolge berichtete The Information, dass Anthropic mit frühen Arbeiten an einem eigenen KI-Chip begonnen und mit Samsung Electronics über mögliche Fertigungsoptionen gesprochen habe. Zu den genannten Optionen gehören Samsungs 2-nm-Prozess und fortschrittliches Packaging, die beide für moderne KI-Beschleuniger hochrelevant sind.

Das bedeutet nicht, dass Anthropic bereit ist, seine bestehenden Compute-Lieferanten zu ersetzen. Das Projekt wird weiterhin als frühes Vorhaben beschrieben. Zweck des Chips, Ziel-Leistung, Server-Integration und Plan für den Cluster-Einsatz sind noch nicht finalisiert. Dennoch ist die Richtung klar: Je teurer das Training und der Betrieb von Frontier-KI werden, desto tiefer werden die größten KI-Labore in den Hardware-Stack hineingezogen.

Anthropic soll mit Samsung über einen eigenen KI-Chip sprechen

Der Kernbericht ist einfach, aber wichtig: Anthropic soll mit einer frühen Prüfung eines eigenen KI-Chips begonnen und Gespräche mit Samsung über die Fertigung geführt haben.

Zu den Optionen, die Berichten zufolge diskutiert werden, gehören Samsungs 2-nm-Prozess und fortschrittliches Packaging. In der KI-Hardware sind diese beiden Punkte von großer Bedeutung.

Ein kleinerer Prozessknoten kann mehr Transistoren auf einer ähnlichen Chipfläche unterbringen und damit die Möglichkeit höherer Leistung und besserer Energieeffizienz verbessern. Fortschrittliches Packaging ist ebenso wichtig. Moderne KI-Chips müssen häufig enorme Datenmengen zwischen Recheneinheiten und High-Bandwidth Memory bewegen. Je kürzer und schneller dieser Datenpfad wird, desto weniger Zeit verliert der Chip beim Warten auf den Speicher.

Im Juli 2024 kündigte Samsung eine schlüsselfertige Halbleiterlösung für Preferred Networks an, die den 2-nm-GAA-Prozess des Unternehmens mit 2.5D-Packaging kombiniert. Der ursprüngliche Artikel verweist darauf als Beispiel für die Art von Fertigungs- und Packaging-Kombination, die Anthropic möglicherweise evaluiert.

Derzeit handelt es sich weiterhin um berichtete Gespräche und nicht um eine bestätigte Produkt-Roadmap von Anthropic. Anthropics öffentliche Position bleibt, dass AWS Trainium, Google TPUs und NVIDIA-GPUs weiterhin zentral dafür sind, wie das Unternehmen seine Rechenkapazitäten skaliert.

Genau deshalb ist die Geschichte interessant. Anthropic ist kein Unternehmen ohne Compute-Partner. Es hat bereits mehrere. Wenn es dennoch einen eigenen Chip prüft, geht es vermutlich nicht um kurzfristigen Ersatz. Es geht um langfristigen Hebel.

Zwei Signale: Neueinstellungen und Foundry-Gespräche

Der ursprüngliche Artikel hebt zwei Schritte hervor, die den Bericht bedeutsamer machen.

Der erste ist die Einstellung von Fachkräften. Anthropic soll Clive Chan eingestellt haben, ein frühes Mitglied von OpenAIs Team für eigene Chips. Er hatte außerdem an Teslas Dojo-Supercomputerprojekt gearbeitet. Solche Hardware-Einstellungen passieren in der Regel nicht zufällig. Sie sind ein Zeichen dafür, dass das Unternehmen interne Fähigkeiten aufbauen will und nicht nur Zugang zu externen Anbietern sucht.

Das zweite Signal sind die berichteten Gespräche mit Samsung selbst. Frühere Berichte hatten bereits nahegelegt, dass Anthropic eigene Chips als eine Möglichkeit in Betracht zog, mit Compute-Engpässen umzugehen. Der Schritt von „über Chips nachdenken“ zu „mit einem potenziellen Fertigungspartner sprechen“ deutet darauf hin, dass die Idee mindestens einen Schritt näher an eine praktische Evaluierung gerückt ist.

Dennoch ist die Lücke zwischen einem frühen Chip-Projekt und einem eingesetzten KI-Beschleuniger enorm. Bevor ein Chip in der Produktion relevant werden kann, muss ein Unternehmen die Arbeitslast definieren, die Architektur entwerfen, das Silizium validieren und das Packaging sichern.

Kapazitäten, Boards und Server bauen, Netzwerke integrieren und nachweisen, dass das Gesamtsystem im Cluster-Maßstab laufen kann.

Dieser Prozess braucht Zeit. Und er kostet auch sehr viel Geld.

Die vierte Karte, erzwungen durch die Compute-Rechnung

Um zu verstehen, warum Anthropic diesen Weg überhaupt in Betracht ziehen würde, muss man bei der Größe des Compute-Problems beginnen.

Der ursprüngliche Artikel verweist auf Anthropics extrem schnelles Umsatzwachstum und den Druck, den dieses Wachstum auf die Infrastruktur ausübt. Je mehr Kunden Claude nutzen, desto mehr Trainings- und Inferenzkapazität benötigt das Unternehmen. Eine schnellere Produktakzeptanz erzeugt nicht nur eine Umsatzkurve. Sie erzeugt eine Compute-Rechnung.

In Anthropics offizieller Ankündigung vom April 2026 hieß es, das Unternehmen habe seine Partnerschaft mit Google und Broadcom für mehrere Gigawatt TPU-Kapazität der nächsten Generation ausgeweitet, die ab 2027 online gehen soll. In derselben Ankündigung hieß es, Anthropic betreibe Claude auf AWS Trainium, Google TPUs und NVIDIA-GPUs, wobei Amazon weiterhin der wichtigste Cloud-Anbieter und Trainingspartner bleibe.

Die Strategie ist leicht zu verstehen: unterschiedliche Hardwareplattformen für unterschiedliche Workloads nutzen, das Risiko durch Abhängigkeit von einem einzelnen Anbieter verringern und kritische Systeme widerstandsfähig halten.

Doch im Frontier-Maßstab zählen selbst kleine Effizienzverbesserungen. Wenn ein Modell über Zehntausende Beschleuniger hinweg trainiert oder bereitgestellt wird, können ein paar Prozentpunkte Verbesserung sehr große Einsparungen bedeuten. Strom, Kühlung, Auslastung, Speicherbewegungen, Netzwerke und Leerlaufzeiten werden allesamt zu geschäftlichen Fragen, nicht nur zu technischen.

Deshalb kann ein kundenspezifischer Chip wertvoll sein, selbst wenn er niemals jeden externen Lieferanten ersetzt.

Er gibt Anthropic einen weiteren Hebel. Er kann die Kosten für bestimmte Workloads senken. Er kann die Verhandlungsmacht gegenüber Cloud- und Chip-Partnern verbessern. Und er kann Anthropic ermöglichen, Hardware genau auf die Art zu optimieren, wie die eigenen Modelle laufen, statt diese Modelle an den jeweils verfügbaren Allzweckbeschleuniger anzupassen.

In diesem Sinne ist der gemeldete Chip-Vorstoß kein Widerspruch zu Anthropics Multi-Plattform-Strategie. Er könnte eine Erweiterung davon sein.

OpenAI ist diesen Weg bereits gegangen

Der ursprüngliche Artikel vergleicht Anthropics gemeldete Position mit OpenAIs Weg zu kundenspezifischem Silizium.

OpenAI begann mit Broadcom an kundenspezifischen KI-Beschleunigern zu arbeiten, bevor Jalapeño vorgestellt wurde, ein auf Inferenz ausgerichteter KI-Chip, der um Workloads großer Sprachmodelle herum entwickelt wurde. OpenAIs offizielle Ankündigung beschrieb Jalapeño als seinen ersten Intelligence Processor und als Teil einer mehrgenerationigen Compute-Plattform mit Broadcom.

Der Vergleich ist wichtig, weil OpenAI auf diesem Weg bereits weiter ist. Das Unternehmen kündigte eine 10-Gigawatt-Zusammenarbeit mit Broadcom für kundenspezifische KI-Beschleuniger an und präsentierte später Jalapeño als einen Chip, der speziell für LLM-Inferenz entwickelt wurde. OpenAI sagte außerdem, der Chip sei von der ersten Konzeption bis zum Tape-out in neun Monaten mitentwickelt worden, teilweise beschleunigt durch die eigenen Modelle.

Dieser letzte Punkt ist besonders wichtig. KI-Unternehmen kaufen nicht mehr nur Chips, um KI auszuführen. Sie beginnen, KI einzusetzen, um die Chips zu entwerfen, auf denen künftige KI-Systeme laufen werden.

Das erzeugt ein Schwungrad. Bessere Modelle helfen, bessere Infrastruktur zu entwerfen. Bessere Infrastruktur senkt die Kosten und die Latenz beim Betrieb von Modellen. Niedrigere Kosten ermöglichen mehr Nutzung. Mehr Nutzung erzeugt mehr Daten, mehr Umsatz und mehr Druck, die nächste Infrastrukturgeneration aufzubauen.

Anthropic scheint sich an einem deutlich früheren Punkt zu befinden als OpenAI, als Jalapeño öffentlich wurde. Dem ursprünglichen Bericht zufolge definiert Anthropic noch, was der Chip leisten soll und wie er in den Rest seines Compute-Stacks passen würde. Das ist der Anfang eines langen Weges, nicht das Ende.

Kann irgendjemand NVIDIA wirklich herausfordern?

Der ursprüngliche Artikel endet mit der größten Frage in der KI-Infrastruktur: Können kundenspezifische Chips NVIDIA ernsthaft herausfordern?

Die Antwort ist komplizierter als „ja“ oder „nein“.

NVIDIA bleibt die dominierende Kraft bei der KI-Beschleunigung, insbesondere weil das Unternehmen nicht nur Chips verkauft. Es verkauft eine ausgereifte Plattform: GPUs, Netzwerke, Software, Bibliotheken, Systeme und Entwicklervertrautheit. Für viele KI-Teams ist NVIDIA weiterhin der schnellste und risikoärmste Weg zur Skalierung.

Deshalb sollten kundenspezifische Chips nicht als einfacher Versuch verstanden werden, „NVIDIA zu töten“. Für Unternehmen wie Google, Amazon,

Microsoft, Meta, OpenAI und nun möglicherweise auch Anthropic – meist geht es dabei um etwas Spezifischeres.

Sie wollen bessere wirtschaftliche Rahmenbedingungen für ihre eigenen Workloads. Sie wollen mehr Kontrolle über die Versorgung. Sie wollen eine stärkere Verhandlungsposition. Sie wollen die Möglichkeit, den gesamten Stack zu optimieren – von der Modellarchitektur über die Inferenzbereitstellung bis hin zum Rechenzentrumsdesign.

Mit anderen Worten: Maßgeschneiderte Chips werden NVIDIAs Markt nicht über Nacht übernehmen. Aber sie können die wirtschaftlichen Rahmenbedingungen für die Unternehmen verändern, die im größten Maßstab operieren.

Für Anthropic wäre ein eigener Chip eine weitere langfristige Option. Das Unternehmen kann weiterhin AWS Trainium, Google TPUs und NVIDIA-GPUs nutzen und gleichzeitig internes Chip-Know-how aufbauen. Wenn das Projekt funktioniert, gewinnt es an Effizienz und Verhandlungsspielraum. Wenn nicht, gibt die bestehende Multi-Vendor-Strategie Anthropic dennoch Raum zum Skalieren.

Was das für den Wettlauf um KI-Infrastruktur bedeutet

Die KI-Branche tritt in eine Phase ein, in der Modellunternehmen nicht mehr nur Softwareunternehmen sind. Die führenden Labore werden zugleich zu Infrastrukturunternehmen.

In der vorherigen Ära bestimmten Chiphersteller weitgehend die Form des Computings, und Softwareunternehmen bauten auf dieser Hardware auf. Im KI-Zeitalter beginnt sich dieses Verhältnis umzukehren. Die Unternehmen, die Frontier-Modelle entwickeln, definieren zunehmend, was sie von Chips, Speicher, Netzwerken, Stromversorgung, Kühlung und Rechenzentren benötigen.

Die berichteten Gespräche zwischen Anthropic und Samsung passen in dieses breitere Muster.

Das Projekt erreicht möglicherweise nie die Massenproduktion. Samsung könnte der Fertigungspartner werden – oder auch nicht. Die endgültige Chiparchitektur, falls es eine gibt, könnte ganz anders aussehen als das, was derzeit diskutiert wird. Doch die strategische Richtung ist klar: Frontier-KI-Unternehmen wollen mehr Kontrolle über die physische Infrastruktur hinter Intelligenz.

Je teurer es wird, Intelligenz bereitzustellen, desto stärker wird der Anreiz, mehr vom Stack selbst zu kontrollieren.

Hinweis zur Quelle

Dieser Artikel basiert auf dem ursprünglichen Artikel von BAAI / 新智元 und den dort aufgeführten Referenzen. Die berichtete Diskussion über einen maßgeschneiderten Anthropic-Samsung-Chip basiert auf Berichten Dritter und sollte als Hardwareprojekt in einem frühen Stadium und ohne Bestätigung behandelt werden, solange Anthropic oder Samsung es nicht offiziell ankündigen.

Im ursprünglichen Artikel wurden keine Codeblöcke, Kommandozeilenschritte, Konfigurationsdateien oder technischen Tabellen gefunden. Der Originalartikel enthielt mehrere Plattformlogos, Werbebilder, QR-Code-/Kontaktbilder und dekorative Banner; diese wurden gemäß den Veröffentlichungsregeln entfernt. Ein ursprüngliches OpenAI-bezogenes Bild von der BAAI-Seite konnte nicht zuverlässig abgerufen werden, daher wird stattdessen das offizielle OpenAI-Bild aus der entsprechenden Jalapeño-Ankündigung verwendet.

Originalquelle: https://hub.baai.ac.cn/view/56077

FAQ

Was plant Anthropic Berichten zufolge mit einem eigenen KI-Chip?

Anthropic prüft Berichten zufolge ein frühes Projekt für einen maßgeschneiderten KI-Chip und hat mit Samsung mögliche Fertigungsoptionen besprochen. Der Chip wurde nicht öffentlich als endgültiges Produkt bestätigt, und das Designziel ist weiterhin unklar.

Warum sollte Anthropic einen eigenen KI-Chip entwickeln, wenn das Unternehmen bereits AWS Trainium, Google TPUs und NVIDIA-GPUs nutzt?

Ein eigener Chip könnte Anthropic helfen, die Effizienz für bestimmte Workloads zu verbessern und mehr Kontrolle über Kosten und Versorgung zu gewinnen. Außerdem verschafft er dem Unternehmen mehr Verhandlungsspielraum im Umgang mit großen Cloud- und Chiplieferanten.

Was bedeutet Samsung 2 nm in diesem Zusammenhang?

Samsung 2 nm bezeichnet einen fortschrittlichen Halbleiterfertigungsprozess. Theoretisch kann ein fortschrittlicherer Prozess dichtere und energieeffizientere Chipdesigns ermöglichen, auch wenn die reale Leistung von der gesamten Architektur, dem Packaging, dem Speicher und dem Systemdesign abhängt.

Warum ist fortschrittliches Packaging für KI-Chips wichtig?

KI-Workloads bewegen enorme Datenmengen zwischen Prozessoren und Speicher. Fortschrittliches Packaging kann Recheneinheiten und High-Bandwidth Memory näher zusammenbringen, wodurch die Datenbewegung verbessert und verschwendete Zeit sowie Energie reduziert werden.

Versucht Anthropic, NVIDIA zu ersetzen?

Nicht unbedingt. Die realistischere Interpretation ist, dass Anthropic eine weitere Option in seiner Compute-Strategie haben möchte. NVIDIA-GPUs könnten weiterhin wichtig bleiben, während maßgeschneiderte Chips bei gezielten Workloads, Kostenkontrolle und Flexibilität in der Lieferkette helfen.

Wie hängt OpenAIs Jalapeño-Chip mit dieser Geschichte zusammen?

OpenAIs Jalapeño zeigt, wie ein großes KI-Labor tiefer in maßgeschneidertes Silizium für Inferenz-Workloads einsteigen kann. Der Vergleich ist relevant, weil Anthropic nun möglicherweise einen ähnlichen Weg einschlägt, auch wenn das Unternehmen offenbar noch deutlich früher im Prozess steht.

Ist Anthropics Chip bereit für die Produktion?

Es gibt keine öffentlichen Hinweise darauf, dass Anthropic über einen produktionsreifen Chip verfügt. Dem ursprünglichen Bericht zufolge befindet sich das Projekt noch in einem frühen Stadium, und wichtige Design- und Bereitstellungsentscheidungen wurden noch nicht finalisiert.

Verwandte Tools

• Anthropic: Das KI-Unternehmen hinter Claude und der berichteten Prüfung eines eigenen Chips.
• AWS Trainium: Amazons speziell entwickelte KI-Beschleunigerfamilie für Trainings- und Inferenz-Workloads.
• Google Cloud TPU: Googles Plattform für Tensor Processing Units für groß angelegtes KI-Training und Inferenz.
• Samsung Foundry: Samsungs Halbleiterfertigungsgeschäft, einschließlich fortschrittlicher Prozess- und Packaging-Dienstleistungen.
• Broadcom: Ein

Halbleiter- und Netzwerkunternehmen, das an maßgeschneiderter Infrastruktur für KI-Beschleuniger beteiligt ist.

• OpenAI: Das KI-Unternehmen, das gemeinsam mit Broadcom den Jalapeño-Inferenzchip vorgestellt hat.

Weiterführende Links

• Originalartikel von BAAI: Der Quellartikel, der für diese englische Neufassung verwendet wurde.
• The Information: Anthropic in Gesprächen mit Samsung: Der ursprüngliche, kostenpflichtige Bericht, der im Quellartikel zitiert wird.
• Compute-Partnerschaft von Anthropic, Google und Broadcom: Anthropics offizielle Ankündigung zu mehreren Gigawatt TPU-Kapazität der nächsten Generation.
• Ankündigung zu Samsungs 2-nm-GAA und 2,5D-Packaging: Samsungs offizieller Newsroom-Beitrag zu 2-nm-GAA und 2,5D-Packaging für Preferred Networks.
• OpenAI und Broadcom Jalapeño-Inferenzchip: OpenAIs offizielle Ankündigung seines für LLMs optimierten Inferenzchips.
• 10-GW-Zusammenarbeit zwischen Broadcom und OpenAI: Broadcoms offizielle Investorenmitteilung zur Partnerschaft für maßgeschneiderte Beschleuniger mit OpenAI.
• AWS Trainium Überblick: AWS-Dokumentation und Produktüberblick zu Trainium-KI-Chips.
• Google Cloud TPU-Dokumentation: Offizielle Dokumentation zur Architektur und Nutzung von Google Cloud TPUs.

Zusammenfassung

Berichten zufolge prüft Anthropic einen maßgeschneiderten KI-Chip und hat mögliche Fertigungsoptionen mit Samsung besprochen, darunter fortschrittliche 2-nm-Prozess- und Packaging-Technologien. Das Projekt scheint sich noch in einer frühen Phase zu befinden, passt aber zum breiteren Wandel in der KI-Infrastruktur: Modellunternehmen wollen zunehmend mehr Kontrolle über die Hardware, die ihre Systeme antreibt.

Dieser Schritt bedeutet nicht zwangsläufig, dass Anthropic AWS Trainium, Google TPUs oder NVIDIA-GPUs aufgibt. Vielmehr deutet er auf eine längerfristige Strategie hin: mehrere Rechenpfade nutzen, Lieferkettenrisiken verringern und die Kosteneffizienz im Frontier-Maßstab verbessern.

OpenAIs Jalapeño-Chip zeigt, dass maßgeschneidertes Silizium zu einem Bestandteil des Strategiebaukastens der Frontier-KI wird. Anthropic könnte nun die ersten Schritte auf einem ähnlichen Weg gehen.

Der zentrale Punkt: Maßgeschneiderte KI-Chips sind längst nicht mehr nur eine Geschichte der Hardwareunternehmen; sie werden zu einer Kernstrategie der größten KI-Labore.