Anthropic baut ein eigenes Chip-Design-Team auf, um Claude mit maßgeschneidertem Silizium zu versorgen

Anthropic hat Pläne zur Entwicklung eines eigenen, maßgeschneiderten Chips für künstliche Intelligenz bestätigt und ist damit das jüngste KI-Labor, das zu dem Schluss kommt, dass es nicht mehr ausreicht, sich auf externe Hardwarelieferanten zu verlassen, um mit der rasanten Nachfrage Schritt zu halten.

Laut einer Stellenausschreibung und Bestätigung von TechCrunch, Reuters, Quartz und Business Insider gab das Unternehmen bekannt, dass es ein internes „Custom-Silicon-Team“ zusammenstellt, um gemeinsam mit seinen künftigen großen Sprachmodellen einen Prozessor zu entwickeln. Der Schritt signalisiert, dass Anthropic beabsichtigt, mehr Kontrolle über den Hardware-Stack zu übernehmen, der Claude, seine Flaggschiff-Modellfamilie, antreibt. Für diejenigen, die die KI-Branchenberichterstattung verfolgen, folgt die Entscheidung einem klaren Muster: Jedes große Pionierlabor kämpft jetzt darum, ein Stück des Siliziums zu besitzen, auf dem seine Modelle laufen.

Co-Design von Chips für Claude

Die Details deuten eher auf eine Co-Design-Strategie als auf einen schnellen Kauf von der Stange hin. Wie SiliconANGLE berichtete, sagte ein Sprecher gegenüber Business Insider, dass Anthropic den Prozessor gemeinsam mit seinen zukünftigen großen Sprachmodellen entwickeln wird. Co-Design-Initiativen konzentrieren sich in der Regel auf die Anpassung eines Chips an eine bestimmte Arbeitslast – die besonderen Berechnungen und Speichermuster, auf denen ein Modell basiert – und eine solche Anpassung kann die Hardwareeffizienz erheblich steigern.

Standardmäßige KI-Beschleuniger sind darauf ausgelegt, ein breites Spektrum an Kunden und Arbeitslasten zu bedienen, was bedeutet, dass sie mit Kompromissen verbunden sind. Ein speziell auf Claudes Architektur abgestimmter Chip könnte theoretisch mehr Leistung pro Dollar und pro Watt liefern als Allzweck-Hardware. Das ist bei der Größe, in der Anthropic tätig ist, von enormer Bedeutung, da selbst kleine Effizienzsteigerungen zu massiven Kosteneinsparungen führen.

Ingenieure einstellen, nicht nur Chips kaufen

TechCrunch berichtete, dass Anthropic laut Stellenanzeige Ingenieure mit Erfahrung im Chip-Design für sein Team für kundenspezifische Silizium sucht. In dem Artikel wurde darauf hingewiesen, dass das Unternehmen aktualisiert wurde und nun eine Bestätigung von Anthropic enthält, wodurch der Plan offiziell und nicht spekulativ ist.

Der Einstellungsschub erfolgt, da die Nachfrage nach Claude steigt und KI-Unternehmen darum kämpfen, so viele Infrastrukturverträge wie möglich abzuschließen. Anthropic hat seinerseits Vereinbarungen mit AWS, Google, Nvidia und AMD über den Zugriff auf KI-Computing-Hardware unterzeichnet. Aber um wirklich zu skalieren und der Nachfrage gerecht zu werden, reicht es eindeutig nicht mehr aus, sich auf andere zu verlassen – eine Kalkulation, die Anthropic nun dazu veranlasst hat, sein eigenes Silizium zu entwickeln.

Dies ist ein bemerkenswerter strategischer Wandel. Anthropic hat sich seit langem als forschungs- und sicherheitsorientiertes Labor positioniert, aber die Chip-Ankündigung zeigt, dass es auch die Art von schwerer Infrastruktur aufbaut, die normalerweise mit den größten Hyperscalern verbunden ist.

Ein überfülltes Feld betreten

Anthropic ist nicht das erste KI-Unternehmen, das zu dem Schluss kommt, dass der Bau eines eigenen Chips die enormen Kosten und die Komplexität wert ist. Das Unternehmen folgt einem ausgetretenen Weg, den seine größten Konkurrenten eingeschlagen haben.

Im Juni stellte OpenAI seinen von Broadcom entwickelten „Jalapeño“-Chip vor, der speziell für Inferenz-Workloads entwickelt wurde – die Phase, in der ein trainiertes Modell tatsächlich Benutzeranfragen beantwortet. Google DeepMind verlässt sich bei der Stromversorgung seiner Gemini-Modelle seit langem auf die maßgeschneiderten Tensor Processing Units (TPUs) von Alphabet und verfügt damit über eines der ausgereiftesten internen Siliziumprogramme der Branche. Meta hat inzwischen eigene MTIA-Beschleuniger für KI-Workloads entwickelt.

Der Trend geht über die Modelllabore hinaus. Auch Cloud-Anbieter wie Amazon mit seinen Trainium- und Inferentia-Chips haben stark in kundenspezifische Chips investiert, um ihre Abhängigkeit von Nvidia zu verringern. Der gemeinsame Nenner ist der Wunsch, den Zwängen eines einzigen dominanten Anbieters zu entkommen und einen größeren Teil der Wertschöpfungskette zu erobern.

Warum jetzt kundenspezifisches Silizium?

Die wirtschaftlichen Faktoren, die diese Welle antreiben, sind einfach. Die GPUs von Nvidia verfügen über enorme Margen, da die Nachfrage nach ihnen das Angebot bei weitem übersteigt und Grenz-KI-Modelle für Training und Bereitstellung enorme Rechenmengen erfordern. Jedes Labor, das auf diese GPUs angewiesen ist, zahlt praktisch eine Steuer an einen einzelnen Anbieter, während es um das gleiche begrenzte Angebot konkurriert.

Das Entwerfen eines kundenspezifischen Chips ist eine teure, mehrjährige Wette – es kann Hunderte Millionen Dollar kosten und erfordert seltene technische Talente –, aber es bietet drei Vorteile, die Labore zunehmend als existenziell betrachten. Erstens können dadurch die langfristigen Inferenzkosten gesenkt werden, die bei einem beliebten Modell wie Claude den größten Kostenfaktor darstellen. Zweitens verringert es die strategische Anfälligkeit gegenüber Lieferengpässen und Exportkontrollen. Drittens entsteht ein vertretbarer Schutzgraben: Ein Modell und ein Chip, die gemeinsam füreinander entwickelt wurden, sind für die Konkurrenz schwerer zu reproduzieren.

Die Entscheidung von Anthropic spiegelt auch die Vertiefung der Beziehungen zu Cloud- und Computing-Partnern wider. Das Unternehmen hat sich bereits umfangreiche Finanzierungen für die KI-Infrastruktur gesichert, und ein internes Chipprogramm ist der natürliche nächste Schritt, um diese Finanzierung in dedizierte, optimierte Kapazitäten umzuwandeln.

Was als nächstes kommt

Der Bau eines wettbewerbsfähigen KI-Chips dauert in der Regel Jahre vom Design bis zur Serienproduktion, daher ist es unwahrscheinlich, dass das maßgeschneiderte Silizium von Anthropic Claude auf kurze Sicht antreibt. Das Unternehmen wird weiterhin auf Beschleuniger von Nvidia, AMD und Cloud-Anbietern angewiesen sein, während sein neues Team auf einen ersten Tape-Out hinarbeitet.

Dennoch ist die Ankündigung ein bedeutsames Signal der Absicht. Damit befindet sich Anthropic fest im gleichen Hardware-Wettbewerb wie OpenAI und Google und deutet darauf hin, dass die nächste Phase des Wettbewerbs zwischen Grenzlaboren nicht nur um Algorithmen und Daten, sondern auch um das darunter liegende Silizium ausgetragen wird.

Bleiben Sie der KI immer einen Schritt voraus

Der Kampf um KI-Hardware verändert die gesamte Branche. Bleiben Sie in unserem Hub neueste KI-Entwicklungen über alle wichtigen Chipeinführungen, Finanzierungsrunden und Infrastrukturabkommen auf dem Laufenden.

Weitere KI-Neuigkeiten lesen →