不买英伟达？AI巨头集体涌向自研芯片

2026年8月，一则人事变动在AI圈泛起涟漪，有着“谷歌TPU之父”之称的Amir Salek正式加入Anthropic公司，执掌其自研芯片设计团队。

这位曾主导前七代谷歌TPU芯片量产的核心人物，从投资领域再度回归芯片一线，也为AI以及AI芯片领域释放出积极信号，AI大模型时代的算力竞赛，正从“买芯片”全面转向“造芯片”。全球AI大厂不约而同地涌向自研芯片的赛道，一场围绕AI算力自主权的军备竞赛已然白热化。

Amir Salek的名字，在AI芯片领域几乎等同于谷歌TPU的发展编年史。2013年加入谷歌后，Amir Salek度过了长达八年多的职业生涯，亲手推动了谷歌首款自研定制芯片TPUv1实现量产，并在此后持续主导TPU、Edge TPU、VCU、IPU、OpenTitan等多条芯片产品线的启动与交付。Amir Salek创立的Chip Innovation Infrastructure（CI2）组织，更是为谷歌定制芯片生态奠定了坚实基础。

2022年离开谷歌后，Salek并未直接投身AI创业，而是转向投资领域，在Cerberus Capital Management担任高级董事总经理，主攻半导体、AI与下一代计算方向的深科技投资。彼时，业界曾猜测他或将彻底转向资本操盘手角色，但两年后，他选择重回科技公司内部，加入Anthropic负责算力团队。

Anthropic自2026年以来，在芯片布局上频频发力：6月，OpenAI定制芯片团队的早期核心成员Clive Chan已先一步加入Anthropic；8月，Anthropic正式确认组建内部芯片团队，并开放覆盖设计全流程的招聘岗位。

值得关注的是，Salek在谷歌的履历恰好覆盖了TPU从概念验证到大规模部署的全周期，而Anthropic当前面临的推理效率瓶颈、对英伟达GPU的过度依赖，以及Claude模型商业化推广中的算力成本压力，正是他所擅长的解题方向。

据彭博社报道，Anthropic已与三星就2纳米制程代工展开洽谈，尽管具体架构和推出时间尚未公布，但Salek的加入无疑为这枚尚未露面的自研芯片增加了重磅筹码。

Anthropic的芯片布局并非孤例。放眼全球，几乎所有AI头部玩家都已踏上自研之路。

OpenAI与博通合作开发推理专用ASIC“Jalapeño”，剑指推理成本的大幅压缩；Google凭借TPU系列长期深耕云端，从训练到推理形成完整的算力闭环；Amazon推出Trainium和Inferentia两款芯片，旨在降低AWS客户的算力开支并减轻对英伟达的依赖；Microsoft打造Maia系列，为Azure云服务注入更强的AI效率与供应链自主权；Meta则迭代MTIA芯片，专门优化推荐系统、广告及LLaMA推理等内部高频负载；Apple依托M系列芯片，将端侧AI与隐私计算深度融合；Tesla则凭借FSD和Dojo，专注于自动驾驶与机器人场景中的低延迟推理与训练。这些动作看似分散，实则指向同一套深层逻辑。

驱动这场自研热潮的原因，首先是推理成本带来的巨大压力。

推理占据模型生命周期计算成本的80%至90%，而自研专用ASIC在固定任务上的能效比远高于通用GPU，单位推理成本的下降直接关系到商业模式的可持续性。与此同时，供应链安全已成为战略底线——过度依赖英伟达单一供应商，随时可能因短缺、断供或价格波动而被迫中断业务，自研芯片正是规避这一风险的有效手段。更进一步，自研让企业掌握了产品定义权，能够将芯片、模型、软件、数据中心乃至用户体验串联起来，实现真正意义上的软硬一体化优化，这在差异化竞争中至关重要。

此外，AI应用场景日益碎片化，从自动驾驶到端侧设备，从边缘计算到云端训练，对算力、功耗和时延的要求千差万别，通用芯片难以面面俱到，定制化设计才能精准匹配。归根结底，AI竞争已从单点突破演变为“模型+芯片+系统”的全栈较量，自研芯片不再是成本中心，而是决定企业能否在下一个时代站稳脚跟的关键筹码。

当大模型的参数竞赛进入平台期，推理效率与成本控制便成为商业化落地的关键所在，自研AI芯片的重要性持续凸显。从Salek回归一线，到各家巨头密集布局，算力自主的竞赛或许才刚刚开始。