Η Anthropic μπαίνει στο παιχνίδι του hardware, δημιουργώντας εξειδικευμένη ομάδα για custom AI chips με στόχο να απελευθερωθεί από το μονοπώλιο της Nvidia. Εμείς στο TechNoid αναλύουμε γιατί αυτή η κίνηση αλλάζει τους όρους του παιχνιδιού για το Claude.
- Η Anthropic συγκροτεί εσωτερική ομάδα σχεδιασμού ημιαγωγών, ακολουθώντας τα χνάρια των Google, Meta και OpenAI.
- Τα νέα custom chips θα επικεντρωθούν αποκλειστικά στο στάδιο του inference (εκτέλεσης), αφήνοντας την εκπαίδευση των μοντέλων σε υλικό των Nvidia και AMD.
- Η Samsung φέρεται να συζητά την ανάληψη της παραγωγής, ενώ η στρατηγική παραμένει πολυεπεξεργαστική μέσω AWS και Google Cloud.
Ο μηχανισμός του inference
Για να καταλάβεις γιατί η Anthropic επενδύει σε δικό της πυρίτιο, πρέπει να κοιτάξεις τη διαφορά ανάμεσα στην εκπαίδευση (training) και την εκτέλεση (inference) ενός LLM. Η εκπαίδευση απαιτεί τεράστια συστάδες από τις κορυφαίες GPUs της Nvidia, διαδικασία που οι κολοσσοί συνεχίζουν να αναθέτουν στους παραδοσιακούς κολοσσούς προμήθειας υλικού. Το inference όμως, δηλαδή η στιγμή που το Claude απαντά στο ερώτημά σου, συμβαίνει δισεκατομμύρια φορές την ημέρα.
Όταν τρέχεις μαζικό inference σε πραγματικό χρόνο, το κόστος ενέργειας και η καθυστέρηση (latency) εκτοξεύονται. Εδώ ακριβώς οι γενικές GPUs δείχνουν τα όριά τους σε σχέση με τους εξειδικευμένους accelerators. Σχεδιάζοντας έναν επεξεργαστή κομμένο και ραμμένο στις αρχιτεκτονικές των Claude μοντέλων, η εταιρεία κόβει το «καπέλο» απόδοσης και προστατεύει τα περιθώρια κέρδους της από τη συνεχή αύξηση της ζήτησης.
Ο παίκτης Samsung και το AWS
Η στρατηγική της Anthropic δεν είναι μονολιθική, καθώς η εταιρεία διατηρεί ισχυρές συμμαχίες με το Amazon AWS και το Google Cloud. Σύμφωνα με αναφορές από The Information, οι συζητήσεις με τη Samsung Electronics δείχνουν ότι η παραγωγή των wafers θα ανατεθεί σε εξωτερικό εργοστάσιο (foundry) πέραν της TSMC. Αυτή η διαφοροποίηση μειώνει τον γεωπολιτικό και εφοδιαστικό κίνδυνο.
Εμείς στο TechNoid βλέπουμε μια προσέγγιση «υβριδικής ασφάλειας». Η εταιρεία δεν προσπαθεί να ανταγωνιστεί κατά μέτωπο την παραγωγική ισχύ της Nvidia σε όλα τα επίπεδα. Αντίθετα, χτίζει μια ασπίδα υποδομής ακριβείας που της επιτρέπει να διαχειρίζεται το λειτουργικό κόστος των δωρεάν και επί πληρωμή χρηστών του Claude χωρίς να εξαρτάται αποκλειστικά από τα τιμολογιακά περιθώρια τρίτων.
Η ανταγωνιστική αγορά των AI chips
Η κίνηση αυτή τοποθετεί την Anthropic σε ένα πολυάνθρωπο κλαμπ όπου όλοι σχεδιάζουν το δικό τους πυρίτιο. Η Google έχει τα TPUs εδώ και χρόνια, η Meta ετοιμάζει την επόμενη γενιά chips της, ενώ ακόμα και ευρωπαϊκοί παίκτες όπως η Mistral, διά στόματος του Arthur Mensch, εξετάζουν λύσεις στο ίδιο πεδίο. Στην Κίνα αντίστοιχα, μοντέλα όπως το DeepSeek βελτιστοποιούνται απευθείας σε τοπικό υλικό λόγω των περιορισμών εξαγωγής.
| Εταιρεία | Στρατηγική Hardware | Κύριος Στόχος |
|---|---|---|
| TPU (Tensor Processing Units) | Training & Inference κάθε κλίμακας | |
| Anthropic | Custom Silicon (Samsung συνεργασία) | Αποκλειστικά Inference για το Claude |
| Meta | MTIA (Meta Training and Inference Accelerator) | Social feeds & recommendation models |
Η άποψή μας στο TechNoid
Κατά τη γνώμη μας, η απόφαση της Anthropic δεν είναι απλώς μια μόδα κολοσσών, αλλά θέμα επιβίωσης περιθωρίων κέρδους. Όταν ξοδεύεις εκατοντάδες εκατομμύρια σε cloud providers και αγοράζεις έτοιμο hardware, γίνεσαι όμηρος της τιμολογιακής πολιτικής της Nvidia. Η δημιουργία custom chips για το inference εξασφαλίζει ότι το Claude θα παραμείνει οικονομικά βιώσιμο ακόμα και όταν η ζήτηση για ΑΙ tokens χτυπήσει νέαβόρεια ύψη. Είναι μια ακριβή επένδυση σήμερα, η οποία όμως θα ξεχωρίσει τους κερδισμένους από τους χαμένους στον επόμενο κύκλο της τεχνητής νοημοσύνης.
Συχνές Ερωτήσεις για τα custom AI chips της Anthropic
Γιατί η Anthropic σχεδιάζει δικά της chips;
Για να μειώσει το λειτουργικό κόστος εκτέλεσης (inference) του Claude και να περιορίσει την εξάρτησή της από τρίτους παρόχους υλικού.
Θα σταματήσει η Anthropic να χρησιμοποιεί GPUs της Nvidia;
Όχι, τα νέα custom chips θα αφορούν κυρίως το inference, ενώ η εκπαίδευση των μοντέλων θα συνεχίσει να βασίζεται σε κορυφαίες λύσεις Nvidia και AMD.
Ποιος θα κατασκευάσει τα νέα chips της εταιρείας;
Πληροφορίες δείχνουν τη Samsung Electronics ως βασικό υποψήφιο συνεργάτη για την παραγωγή των ημιαγωγών.
Ποια η διαφορά training και inference στα AI chips;
Το training είναι η φάση εκμάθησης του μοντέλου που απαιτεί τεράστια ισχύ, ενώ το inference είναι η στιγμιαία παραγωγή απάντησης στον τελικό χρήστη.
Επηρεάζονται οι συνεργασίες της Anthropic με AWS και Google Cloud;
Όχι, η εταιρεία διατηρεί την πολυεπεξεργαστική της στρατηγική, αξιοποιώντας παράλληλα τις υποδομές των μεγάλων cloud providers.
Πότε αναμένεται να δούμε καρπούς από αυτή την ομάδα;
Οι αγγελίες εργασίας δείχνουν άμεση πίεση χρόνου, με τις τελικές υλοποιήσεις να σχεδιάζονται για τα επόμενα χρόνια καθώς ο ανταγωμός εντείνεται.
Γιατί οι εταιρείες AI στρέφονται στο custom πυρίτιο;
Για να πετύχουν μέγιστη ενεργειακή αποδοτικότητα και να γλυτώσουν τα υπέρογκα περιθώρια κέρδους των κατασκευαστών GPUs.
