Anthropic ведёт переговоры с Samsung Electronics о разработке и производстве собственного AI-чипа. По имеющимся данным, проект находится на ранней стадии, однако компания уже ведёт найм инженеров по полупроводникам. Параллельно Anthropic публично настаивает, что Nvidia по-прежнему остаётся ключевым партнёром по инфраструктуре — противоречия здесь нет, это стандартная стратегия хеджирования на рынке железа.
Контекст
Anthropic — создатель семейства моделей Claude и один из главных конкурентов OpenAI, Google и Meta в гонке базовых LLM. Компания работает в сегменте с одной из самых тяжёлых структур затрат в технологическом бизнесе: inference и обучение больших моделей требуют огромных вычислительных мощностей, которые в основном арендуются у облачных провайдеров, работающих на GPU от Nvidia. Чем больше запросов — тем больше счёт.
Samsung — один из немногих производителей мирового уровня, способных выпускать чипы по передовым техпроцессам в конкуренции с TSMC. Корейская компания производит как память, так и логические чипы, что делает её привлекательным партнёром для AI-компании, стремящейся выйти за пределы тайваньской производственной цепочки.
Тренд давно обозначен. Google разрабатывает собственные TPU уже больше десяти лет. Amazon продвигает Trainium и Inferentia. Meta выпустила MTIA. Теперь и чисто AI-компании — OpenAI с «Jalapeño» и Anthropic с Samsung-партнёрством — идут по тому же пути вертикальной интеграции.
Аналитика
Логика простая: кастомный ASIC, спроектированный под конкретную архитектуру модели и inference-нагрузки, даёт принципиально иную энергоэффективность по сравнению с GPU общего назначения. Для компании, которая обрабатывает миллиарды токенов в сутки, разница в стоимости per-token — это не проценты, а потенциально сотни миллионов долларов экономии в год. Именно поэтому все крупные игроки рано или поздно идут в собственный кремний.
При этом Anthropic честно признаёт, что Nvidia никуда не исчезает. Кастомный чип — горизонт 3–5 лет от первого найма до серийного производства. Всё это время GPU Nvidia остаются безальтернативными для обучения новых моделей. Собственное железо имеет смысл прежде всего для inference: здесь можно жёстко оптимизировать чип под конкретные веса и операции, которые повторяются миллиарды раз.
Стратегически это сигнал о зрелости рынка. AI-компании переходят от стадии «быстро вырасти на чужой инфраструктуре» к стадии «контролировать свои издержки». Кто контролирует себестоимость токена — тот контролирует конкурентоспособность API-цен, а значит, и привлекательность для разработчиков и корпоративных клиентов.
Кейсы применения в бизнесе
B2B-SaaS стартап: если в среднесрочной перспективе Anthropic снизит себестоимость inference через собственный кремний, API-тарифы на Claude могут упасть. Это прямо влияет на юнит-экономику продуктов, построенных на LLM. Уже сейчас стоит закладывать гибкость в модель монетизации: не фиксировать цену на AI-фичи жёстко, а считать её как переменную, привязанную к тарифу провайдера.
Корпорация с legacy-инфраструктурой: при выборе долгосрочного AI-вендора инфраструктурная стратегия поставщика — не второстепенный фактор. Anthropic и OpenAI инвестируют в независимость от рыночной конъюнктуры Nvidia. Это снижает риск резкого роста цен в случае дефицита GPU — а такие дефициты уже случались.
SMB и локальный бизнес в КР и СНГ: прямой эффект появится позже, но косвенный уже читается. Конкуренция на уровне железа между Anthropic, OpenAI и Google ведёт к ценовым войнам на уровне API. Для малого бизнеса с ограниченным AI-бюджетом это означает, что барьер входа продолжит снижаться. Горизонт — 2027–2028 год.
Кейсы в личной жизни
Разработчик: если ты строишь inference-heavy приложение, архитектурно подготовься к смене провайдера. Используй абстракцию над LLM-слоем — инструменты вроде LiteLLM или OpenRouter позволяют переключиться между Claude, GPT-4o и Gemini без рефакторинга кода. Ценовые расклады между провайдерами могут измениться в течение одного-двух лет.
Контент-мейкер и фрилансер: конкуренция за чиповую независимость между топ-AI-компаниями — в твою пользу. Давление на себестоимость у вендоров создаёт стимул снижать цены подписок. Текущие тарифы на Claude Pro, ChatGPT Plus и Gemini Advanced — не финальная точка.
Студент и технический специалист: AI-инфраструктура и дизайн чипов для ML — одна из самых горячих инженерных специализаций ближайших лет. Если интересна эта область — изучи архитектурные отличия ASIC vs GPU применительно к transformer-нагрузкам. Команды по кремниевому дизайну в AI-компаниях набирают активно.
Как применить сегодня
- Проверь текущие тарифы на Claude API, GPT-4o и Gemini — зафиксируй цифры, чтобы отслеживать динамику по мере того, как вендоры оптимизируют железо.
- Добавь провайдерскую абстракцию в свои AI-проекты уже сейчас: смена LLM-бэкенда должна быть вопросом одной строки в конфиге.
- Если оцениваешь AI-вендора для долгосрочного контракта — спроси об инфраструктурной дорожной карте. Наличие собственной hardware-стратегии говорит о предсказуемости ценообразования.
- Следи за анонсами кастомных чипов от Anthropic и OpenAI — их выход в production будет прямым сигналом к пересмотру ценовых условий.