Anthropic、自社AIチップを検討中と報道：Samsung 2nm協議、OpenAI人材、そして次の計算資源戦争

はじめに

Anthropicは長らく、単一のハードウェア路線に依存したくない企業として自らを位置づけてきた。同社の計算資源戦略は、AWS Trainium、Google TPU、NVIDIA GPUを組み合わせる形で構築されている。このマルチプラットフォーム戦略により、Claudeを開発する同社は、NVIDIA最優先の単一路線よりも高い柔軟性を得ている。

しかし最近の報道によると、Anthropicは現在、4枚目のカード、つまり自社専用AIチップに目を向けている可能性がある。

元記事によれば、The Informationは、AnthropicがカスタムAIチップの初期開発に着手し、Samsung Electronicsと潜在的な製造オプションについて協議したと報じている。報道された選択肢には、Samsungの2nmプロセスと先端パッケージングが含まれており、いずれも現代のAIアクセラレータにとって非常に重要な要素だ。

これは、Anthropicが既存の計算資源サプライヤーを置き換える準備ができているという意味ではない。このプロジェクトは依然として初期段階とされている。チップの目的、目標性能、サーバー統合、クラスター展開計画はまだ最終決定されていない。それでも方向性は明確だ。最先端AIの学習と提供にかかるコストが高まるにつれ、最大手のAIラボはハードウェアスタックのより深い部分へと引き込まれている。

Anthropic、カスタムAIチップについてSamsungと協議中と報道

中心となる報道の内容はシンプルだが重要だ。Anthropicは自社AIチップの初期検討を始め、製造についてSamsungと協議したとされている。

協議されている選択肢には、Samsungの2nmプロセスと先端パッケージングが含まれると報じられている。AIハードウェアにおいて、この2点は非常に重要だ。

より小さなプロセスノードでは、同程度のチップ面積により多くのトランジスタを配置できるため、より高い性能と優れた電力効率を実現できる可能性が高まる。先端パッケージングも同じくらい重要だ。現代のAIチップは、演算ユニットと高帯域幅メモリの間で膨大な量のデータを移動させる必要があることが多い。そのデータ経路が短く高速になるほど、チップがメモリ待ちで浪費する時間は少なくなる。

2024年7月、SamsungはPreferred Networks向けに、2nm GAAプロセスと2.5Dパッケージングを組み合わせたターンキー半導体ソリューションを発表した。元記事は、これがAnthropicが評価している可能性のある製造およびパッケージングの組み合わせの一例だと指摘している。

現時点では、これはAnthropicの確定した製品ロードマップではなく、報道された協議にとどまる。Anthropicの公式な立場としては、AWS Trainium、Google TPU、NVIDIA GPUが、同社の計算資源拡大の中核であり続けている。

だからこそ、この話は興味深い。Anthropicは計算資源パートナーを持たない企業ではない。すでに複数のパートナーがいる。それでもカスタムチップを検討しているのだとすれば、その理由はおそらく短期的な置き換えではない。長期的な交渉力の確保だ。

2つのシグナル：採用とファウンドリ協議

元記事は、この報道により大きな意味を持たせる2つの動きを取り上げている。

1つ目は採用だ。Anthropicは、OpenAIのカスタムチップチーム初期メンバーだったClive Chanを迎え入れたと報じられている。彼はTeslaのDojoスーパーコンピュータープロジェクトにも携わっていた。このようなハードウェア人材の採用は、通常偶然に起きるものではない。これは、同社が外部ベンダーへのアクセスだけでなく、社内能力を求めていることを示すサインだ。

2つ目のシグナルは、報じられたSamsungとの協議そのものだ。以前の報道でも、Anthropicが計算資源不足に対処する一つの方法としてカスタムチップを検討していることは示唆されていた。「チップについて考えている」段階から「潜在的な製造パートナーと話している」段階へ移行したことは、この構想が少なくとも実務的な評価に一歩近づいたことを示している。

とはいえ、初期段階のチッププロジェクトと、実際に配備されたAIアクセラレータとの間には大きな隔たりがある。チップが本番環境で意味を持つようになる前に、企業はワークロードを定義し、アーキテクチャを設計し、シリコンを検証し、パッケージングを確保しなければならない。

キャパシティを確保し、ボードやサーバーを構築し、ネットワークを統合し、システム全体がクラスタ規模で動作できることを実証しなければならない。

そのプロセスには時間がかかる。しかも多額の資金も必要になる。

コンピュート費用が迫った第4のカード

Anthropicがなぜこの道を検討するのかを理解するには、まずコンピュート問題の規模から考える必要がある。

元の記事は、Anthropicの極めて急速な売上成長と、その成長がインフラにかける圧力を指摘している。Claudeを利用する顧客が増えれば増えるほど、同社はより多くのトレーニングおよび推論キャパシティを必要とする。プロダクトの普及が速まることは、単に売上曲線を生み出すだけではない。コンピュート費用も生み出す。

Anthropicの2026年4月の公式発表では、同社がGoogleおよびBroadcomとの提携を拡大し、2027年以降に稼働開始が見込まれる次世代TPUキャパシティを複数ギガワット規模で確保したと述べられている。同じ発表では、AnthropicがClaudeをAWS Trainium、Google TPU、NVIDIA GPU上で稼働させており、Amazonが引き続き同社の主要クラウドプロバイダーおよびトレーニングパートナーであるとも説明されている。

この戦略は理解しやすい。ワークロードごとに異なるハードウェアプラットフォームを使い分け、単一ベンダーへの依存リスクを減らし、重要システムのレジリエンスを保つというものだ。

しかしフロンティア規模では、わずかな効率改善でも重要になる。モデルが数万基のアクセラレータにまたがってトレーニングまたは提供される場合、数パーセントの改善でも非常に大きな節約につながり得る。電力、冷却、稼働率、メモリ移動、ネットワーク、アイドル時間はすべて、単なるエンジニアリング上の問題ではなく、ビジネス上の問題になる。

だからこそ、カスタムチップは、すべての外部サプライヤーを置き換えることがないとしても価値を持ち得る。

それはAnthropicにもう一つのレバーを与える。特定のワークロードのコストを下げられる可能性がある。クラウドやチップのパートナーに対する交渉力を高められる可能性もある。またAnthropicは、自社モデルを利用可能な汎用アクセラレータに合わせるのではなく、自社モデルの実際の動作に合わせてハードウェアを最適化できるようになるかもしれない。

その意味で、報じられているチップ開発の取り組みは、Anthropicのマルチプラットフォーム戦略と矛盾するものではない。その延長になり得る。

OpenAIはすでにこの道を歩んでいる

元の記事は、Anthropicの報じられている立ち位置を、OpenAIのカスタムシリコンの道筋と比較している。

OpenAIは、大規模言語モデルのワークロードを中心に構築された推論特化型AIチップであるJalapeñoを発表する前から、BroadcomとカスタムAIアクセラレータに取り組み始めていた。OpenAIの公式発表では、Jalapeñoは同社初のIntelligence Processorであり、Broadcomとの複数世代にわたるコンピュートプラットフォームの一部だと説明されている。

この比較が重要なのは、OpenAIがすでにその道をさらに先へ進んでいるからだ。同社は、カスタムAIアクセラレータに関してBroadcomとの10ギガワット規模の協業を発表し、その後、JalapeñoをLLM推論向けに特化して設計されたチップとして提示した。OpenAIはまた、このチップが初期設計からテープアウトまで9カ月で共同開発され、その一部は自社モデルによって加速されたとも述べている。

この最後の点は特に重要だ。AI企業はもはや、AIを実行するためにチップを購入しているだけではない。将来のAIシステムを動かすチップの設計を支援するために、AIを使い始めている。

これによりフライホイールが生まれる。より優れたモデルが、より優れたインフラの設計を助ける。より優れたインフラは、モデルを実行するコストとレイテンシを下げる。コスト低下により、より多くの利用が可能になる。利用の増加は、より多くのデータ、より多くの収益、そして次世代インフラを構築するさらなる圧力を生み出す。

Anthropicは、Jalapeñoが公表された時点のOpenAIと比べると、はるかに早い段階にあるように見える。元の報道に基づけば、Anthropicはまだ、そのチップが何をすべきか、そして自社のコンピュートスタックの残りの部分にどのように組み込まれるべきかを定義している段階だ。これは長い道のりの終わりではなく、始まりである。

本当にNVIDIAに挑める企業はあるのか

元の記事は、AIインフラにおける最大の問いで締めくくっている。カスタムチップはNVIDIAに意味のある挑戦をできるのか、という問いだ。

答えは「はい」か「いいえ」だけでは済まない。

NVIDIAは、特にチップだけを販売しているわけではないため、AIアクセラレーションにおいて依然として支配的な存在だ。同社は成熟したプラットフォームを販売している。GPU、ネットワーク、ソフトウェア、ライブラリ、システム、そして開発者の慣れである。多くのAIチームにとって、NVIDIAは今なお、スケールするための最速かつ最もリスクの低い方法だ。

だからこそ、カスタムチップは単純に「NVIDIAを倒す」試みとして見るべきではない。GoogleやAmazonのような企業にとって、

Microsoft、Meta、OpenAI、そして今ではAnthropicもそうかもしれないが、狙いは通常もっと具体的だ。

彼らは自社のワークロードにとって、より有利な経済性を求めている。供給に対するより大きなコントロールを求めている。より強い交渉力を求めている。モデルアーキテクチャから推論サービング、データセンター設計に至るまで、スタック全体を最適化できる能力を求めている。

言い換えれば、カスタムチップが一夜にしてNVIDIAの市場を奪うわけではないかもしれない。しかし、最大規模で事業を運営する企業にとっての経済性を変える可能性はある。

Anthropicにとって、カスタムチップは長期的な選択肢の一つとなる。同社はAWS Trainium、Google TPU、NVIDIA GPUを使い続けながら、社内のチップ専門知識を育てることができる。プロジェクトが成功すれば、効率性と交渉上の優位性を得られる。成功しなかったとしても、既存のマルチベンダー戦略によってAnthropicにはスケールする余地が残る。

これがAIインフラ競争に意味すること

AI業界は、モデル企業がもはや単なるソフトウェア企業ではなくなる段階に入りつつある。主要な研究所はインフラ企業にもなりつつある。

以前の時代には、チップメーカーがコンピューティングの形を大きく定義し、ソフトウェア企業はそのハードウェアの上に構築していた。AIの時代には、この関係が逆転し始めている。フロンティアモデルを構築する企業が、チップ、メモリ、ネットワーキング、電力、冷却、データセンターに何を必要とするのかを、ますます定義するようになっている。

AnthropicがSamsungと協議していると報じられた件は、こうしたより大きな流れに合致している。

このプロジェクトが量産に至らない可能性もある。Samsungが製造パートナーになるかどうかも分からない。最終的なチップアーキテクチャが存在するとしても、現在議論されているものとは大きく異なる可能性がある。しかし戦略的な方向性は明確だ。フロンティアAI企業は、知能を支える物理インフラに対して、より大きなコントロールを持ちたいと考えている。

知能を提供するコストが高くなればなるほど、スタックのより多くを自社で保有するインセンティブは強くなる。

出典に関する注記

この記事は、BAAI / 新智元の元記事およびそこに掲載された参考資料に基づいている。AnthropicとSamsungによるカスタムチップ協議に関する報道は第三者の報道に基づくものであり、AnthropicまたはSamsungが正式に発表しない限り、初期段階の未確認ハードウェアプロジェクトとして扱うべきである。

元記事には、コードブロック、コマンドライン手順、設定ファイル、技術表は見つからなかった。元記事には複数のプラットフォームロゴ、プロモーション画像、QRコード／連絡先画像、装飾バナーが含まれていたが、公開ルールに従って削除した。BAAIページに掲載されていたOpenAI関連の元画像の一つは安定して取得できなかったため、代わりに関連するJalapeño発表のOpenAI公式画像を使用している。

元ソース: https://hub.baai.ac.cn/view/56077

FAQ

AnthropicはカスタムAIチップで何を計画していると報じられているのか？

Anthropicは、初期段階のカスタムAIチッププロジェクトを検討しており、Samsungと製造に関する選択肢について協議したと報じられている。このチップは最終製品として公に確認されておらず、設計上の目標もまだ不明確である。

AnthropicはすでにAWS Trainium、Google TPU、NVIDIA GPUを使っているのに、なぜ自社AIチップを作るのか？

カスタムチップは、Anthropicが特定のワークロードにおける効率を改善し、コストと供給に対するコントロールを高めるのに役立つ可能性がある。また、大手クラウド企業やチップサプライヤーと交渉する際の交渉力も高められる。

この文脈でSamsung 2nmとは何を意味するのか？

Samsung 2nmとは、先端的な半導体製造プロセスを指す。理論上、より先進的なプロセスは、より高密度で電力効率の高いチップ設計を可能にするが、実際の性能はアーキテクチャ全体、パッケージング、メモリ、システム設計に依存する。

なぜ先端パッケージングはAIチップにとって重要なのか？

AIワークロードでは、プロセッサとメモリの間で膨大な量のデータが移動する。先端パッケージングは、計算リソースと高帯域幅メモリをより近づけることができ、データ移動を改善し、無駄な時間と電力を削減できる。

AnthropicはNVIDIAを置き換えようとしているのか？

必ずしもそうではない。より現実的な解釈は、Anthropicが自社の計算戦略にもう一つの選択肢を求めているということだ。NVIDIA GPUは引き続き重要であり続ける一方、カスタムチップは特定のワークロード、コスト管理、サプライチェーンの柔軟性に役立つ可能性がある。

OpenAIのJalapeñoチップはこの話とどのように関係しているのか？

OpenAIのJalapeñoは、主要なAI研究所が推論ワークロード向けのカスタムシリコンにより深く踏み込む方法を示している。この比較が重要なのは、Anthropicも今や同様の道を歩み始めている可能性があるからだ。ただし、プロセスとしてはかなり初期段階にあるように見える。

Anthropicのチップは生産準備が整っているのか？

Anthropicが生産準備の整ったチップを持っていることを示す公的な証拠はない。元の報道に基づけば、このプロジェクトはまだ初期段階にあり、主要な設計および展開に関する決定は最終化されていない。

関連ツール

• Anthropic: Claudeを開発したAI企業であり、カスタムチップの検討が報じられている企業。
• AWS Trainium: トレーニングおよび推論ワークロード向けに設計されたAmazonのAIアクセラレータファミリー。
• Google Cloud TPU: 大規模AIトレーニングおよび推論向けのGoogleのテンソル処理ユニットプラットフォーム。
• Samsung Foundry: 先端プロセスおよびパッケージングサービスを含むSamsungの半導体製造事業。
• Broadcom: A

カスタムAIアクセラレータ基盤に関与する半導体・ネットワーキング企業。

• OpenAI: BroadcomとともにJalapeño推論チップを発表したAI企業。

関連リンク

• BAAIの元記事: この英語リライトの元となったソース記事。
• The Information: Anthropic、Samsungと協議: ソース記事で引用された、有料記事の元報道。
• Anthropic、GoogleおよびBroadcomとのコンピュート提携: 次世代TPU容量を複数ギガワット規模で確保することに関するAnthropicの公式発表。
• Samsungの2nm GAAおよび2.5Dパッケージング発表: Preferred Networks向けの2nm GAAおよび2.5Dパッケージングに関するSamsung公式ニュースルーム投稿。
• OpenAIとBroadcomのJalapeño推論チップ: LLMに最適化された推論チップに関するOpenAIの公式発表。
• BroadcomとOpenAIの10GW協業: OpenAI向けカスタムアクセラレータ提携に関するBroadcomの公式投資家向け発表。
• AWS Trainium概要: Trainium AIチップに関するAWSのドキュメントおよび製品概要。
• Google Cloud TPUドキュメント: Google Cloud TPUのアーキテクチャと利用方法に関する公式ドキュメント。

要約

報道によれば、AnthropicはカスタムAIチップを模索しており、高度な2nmプロセスやパッケージング技術を含むSamsungでの製造オプションについて協議したとされる。このプロジェクトは初期段階にあるとみられるが、AIインフラにおけるより大きな潮流、すなわちモデル企業が自社システムを支えるハードウェアに対して、より大きなコントロールを求める動きに合致している。

この動きは、AnthropicがAWS Trainium、Google TPU、またはNVIDIA GPUを必ずしも放棄することを意味しない。むしろ、複数のコンピュート経路を活用し、供給リスクを低減し、フロンティア規模でのコスト効率を高めるという、より長期的な戦略を示している。

OpenAIのJalapeñoチップは、カスタムシリコンがフロンティアAIの戦略の一部になりつつあることを示している。Anthropicもいま、同様の道を歩み始めているのかもしれない。

要点は、カスタムAIチップはもはやハードウェア企業だけの話ではなく、最大手AIラボにとって中核戦略になりつつあるということだ。