Claude 正在设计自己的“大脑”。
11 月 3 日，据 The Information 报道，Anthropic 在近期与潜在 IPO 投资者的会议中透露，公司已组建一支 15 人的芯片设计团队，并让自家的 Claude 模型参与到定制芯片的工程与设计工作中。这些芯片的用途很明确：训练和运行 Claude 自己。Anthropic 的工程师称，与他们估算的英伟达、超威半导体（AMD）等大型芯片设计企业的传统工作流程相比，Claude 能够缩短芯片设计所需的时间。
这不是 Anthropic 第一次把 Claude 的能力边界往外推。此前，Claude 已经帮助发现严重的网络安全漏洞，并改变了软件编程行业。但芯片设计是另一回事。硬件设计容错空间极小，一个微小错误就可能导致整批晶圆报废。Anthropic 在一则招聘研究工程师的公告里写得直白：“硬件设计十分困难，而且容错空间极小——这恰恰是我们希望 Claude 能够胜任的领域。”
一个 15 人的团队，要在芯片设计这个被几家巨头垄断了几十年的行业里撕开一道口子，靠的不只是勇气。
为什么是现在
Anthropic 的芯片设计努力始于今年 8 月，当时公司首次公开确认组建内部团队，为训练和运行 Claude AI 模型设计定制芯片。此后有报道称，Anthropic 与三星电子就潜在制造合作伙伴关系进行过谈判。
时间点的选择并不偶然。据四位知情人士透露，Anthropic 正准备于本月晚些时候启动首次公开募股，届时公司估值可能达到 1.5 万亿美元。在 IPO 路演中讲一个“AI 设计 AI 芯片”的故事，比单纯讲“我们买了多少 GPU”更有想象力。
更深层的驱动力来自算力成本。路透社今年 4 月报道称，Anthropic 当时已在权衡自研芯片，行业估算设计一颗先进 AI 芯片的成本约为 5 亿美元。同一时期，Anthropic 的年收入运行率已从 2025 年底的约 90 亿美元增长到超过 300 亿美元。当推理请求随着产品成功而指数级增长，算力就不再只是后台成本，而是产品能力本身。谁能以更低成本、更稳定供应、更高能效持续生产 token，谁就能在模型价格、响应速度和毛利率上获得长期优势。
OpenAI 已经先走了一步。OpenAI 首席财务官萨拉·弗里尔（Sarah Friar）9 月在高盛的一场会议上表示，芯片设计是公司正在瞄准的业务领域之一，其他目标领域还包括金融服务和生命科学。她表示，ChatGPT 开发商正依靠自家的前沿 AI 模型设计定制芯片 Jalapeño，计划从明年开始大规模使用该芯片。OpenAI 称，其利用自家最先进的模型与博通合作，仅用 9 个月就完成了 Jalapeño 芯片的开发。
EDA 双雄的黄昏，还是虚惊一场
如果 Anthropic 或 OpenAI 最终开发出芯片设计能力显著优于其他模型的 AI 模型，它们可能首先将最先进的模型保留自用，从而在芯片设计领域领先于其他企业。这直接指向一个规模巨大的市场：电子设计自动化（EDA）软件。
新思科技（Synopsys）和楷登电子（Cadence Design Systems）销售软件及其他服务，帮助芯片工程师在制造前设计、模拟和测试各类半导体芯片、电路板及电子系统。据行业估算，两家公司合计年营收规模约 160 亿美元。消息传出后，市场用脚投票：Synopsys 周二股价下跌 2.5%，Cadence 下跌 4.5%。
但 AI 要全面接管芯片设计工作流程，仍有很长的路要走。
初创公司 ChipAgents 与英伟达上月联合发布了基准测试 Build-A-Chip-Bench，要求 AI 智能体把一颗数字芯片从纯文字规格一路做到可验证的 GDS 布局。结果并不性感：表现最好的 Claude Fable 5.1 总分仅为 16.6%，其中功能通过率 65%、GDS 通过率 75%、功耗性能面积（PPA）达标率 25.5%。排名第二的 GPT-6 Astra 功能通过率和 GDS 通过率都达到 85%，却只拿到 8.7% 的总分——因为它的通过设计离 PPA 目标差得太远。Gemini 3.8 Flash 得 0.8%，Kimi K3 得 0.2%，GLM-5.3 得 0.0%。
这个分数的含义很清晰：让 AI 跑通一个能用的芯片不难，难的是做出功耗、性能、面积都达标的芯片。16.6% 不是终点，但也不是起点。它说明 Claude 目前更像是一个能显著加速局部环节的“副驾驶”，而不是能端到端接管整个流程的“替代者”。
这也正是 Anthropic 对外表述的微妙之处。公司说的是“缩短芯片设计所需时间”，而不是“取代 EDA 工具”。目前也没有向外部出售该设计工具的计划。
15 人对阵数十年积累
开发一款新芯片通常需要数年时间，主要原因在于测试和验证不同潜在设计方案的过程十分繁琐，这些设计可能涉及数万亿个微小电路。Synopsys 和 Cadence 两家合计控制着全球 EDA 市场约六成的份额，构建一套完整的竞争级 EDA 工具套件，据估算需要十年累计 50 亿至 100 亿美元的研发投入。
15 个人，哪怕加上 Claude，也很难在几年内复刻别人几十年的积累。但芯片设计的游戏规则可能正在改变：过去需要资深工程师凭经验反复试错的环节，现在可以被模型压缩成几分钟的生成与验证循环。一些旨在利用 AI 加速芯片设计的初创企业高管表示，AI 或许能够将设计一款功能完整芯片所需的时间缩短至数月，甚至最终进一步缩短。
Anthropic 也在设法获取更多行业数据。据悉，为提升 Claude 在芯片设计领域的专业能力，该公司已接触多家 EDA 企业，寻求获取其专有芯片设计数据集，用于优化模型。但要说服大型 EDA 企业或芯片制造商在芯片设计的所有环节使用其模型，Anthropic 可能仍面临不小的挑战。出于潜在的隐私顾虑，这些对商业机密高度敏感的芯片企业可能更倾向于在自己的硬件上运行开源模型。
最尴尬的关系：金主变对手
Anthropic 利用 Claude 进行芯片设计的努力，最微妙的影响不在技术层面，而在资本层面。
Anthropic 目前使用亚马逊、谷歌、英伟达和 AMD 生产的芯片，而这些公司承诺向 Anthropic 合计投资约 900 亿美元。公司发言人今年 8 月曾向媒体表示，将延续“多芯片”策略，亚马逊、谷歌以及英伟达和 AMD 的硬件仍是其核心依托。
一旦 Anthropic 的自研芯片真正跑起来，局面就会变得复杂。这些投资方既是 Anthropic 的金主，也是它要优化的对象——自研芯片每替代一颗英伟达 GPU 或谷歌 TPU，就是在削减一位股东的收入。如果 Anthropic 或 OpenAI 最终开发出芯片设计能力显著优于其他模型的 AI 模型，它们也可能选择首先将最先进的模型保留自用，从而在芯片设计领域领先于其他企业。
更大的挑战在于，AI 模型本身变化太快。今天适合某一代模型推理模式的芯片，到了下一代模型、下一种 Agent 工作流、下一种上下文长度或多模态架构，未必仍然最优。自研专用芯片的优势是专用，风险也正是专用。一旦模型路线变化快过硬件迭代速度，定制芯片就可能从优势变成包袱。
因此，未来几年 AI 巨头的芯片路线大概率不会是单一答案，而会是一个组合：英伟达 GPU 继续承担最通用、生态最成熟、训练与推理都可覆盖的核心角色；Google TPU、AWS Trainium、AMD GPU 等成为大规模替代与补充；OpenAI、Anthropic 等模型公司则会在推理等高频场景中推进自定义芯片，把最稳定、最可预测、最烧钱的工作负载拿回来优化。
终局
Anthropic 与三星的接洽还没有落成实质订单，15 人团队也还远未证明自己能端到端设计出一颗可量产的先进芯片。但它释放的信号已经足够清晰：大模型战争正在打到供应链深处，且会越走越深。
当 AI 进入真正规模化交付阶段，算力不再只是后台成本，而是产品能力本身。Claude 设计 Claude 的芯片，这个看似循环的举动背后，是所有 AI 公司都不得不补的一课。谁能以更低成本、更稳定供应、更高能效持续生产 token，谁就能在模型价格、响应速度、企业交付和毛利率上获得长期优势。
16.6% 的基准分数提醒人们保持冷静，但 15 个人的团队站在 EDA 双雄门前的姿态，已经说明这场战争没有旁观者。
快报