最后一个玩家摸牌了
一个月之内，Anthropic做了两件事：先挖来OpenAI初代芯片团队的核心成员Clive Chan，再被曝出与三星密谈2nm代工合作。
英伟达的牌桌上，最后一个玩家终于摸牌了。
这不是又一条"某某公司造芯"的新闻。这是一个信号：AI竞赛的战场，正在从模型层向全栈层迁移。
过去两年，所有人都在比谁的模型更聪明。GPT-4、Claude、Gemini，一轮轮刷榜、一轮轮发布会。但Anthropic造芯这件事揭示了一个被大多数人忽略的事实——模型的天花板，越来越不取决于算法，而取决于你能调动多少算力、以多低的成本调动它。
当所有头部实验室都拥有自己的芯片时，"模型竞赛"将让位于"全栈竞赛"。算法、芯片、数据中心、电力，四位一体的军备竞赛，才是下一个十年的主战场。
为什么Anthropic非造芯不可
表面上看，Anthropic的算力来源已经足够多元。
亚马逊AWS Trainium、谷歌TPU、英伟达GPU，三张牌在手。今年4月还跟AWS签了超1000亿美元的十年长约，锁定5吉瓦新产能；5月又从xAI手里租下SpaceX Colossus集群的全部容量——超过22万块GPU，月租金约12.5亿美元。
一家算力来源多元到极致、年化收入从年初90亿美元飙到5月底470亿美元、账上刚进650亿美元融资的公司，为什么还要自己下场造芯？
答案藏在Anthropic CEO达里奥·阿莫迪今年2月的一次播客访谈里。
他说："如果我假设收入继续每年10倍增长，到2026年底就是1000亿，2027年底就是1万亿。我可以据此订购1万亿美元的算力。但万一判断错了呢？如果增长倍数是5倍不是10倍呢？如果2027年收入只有8000亿不是1万亿，那我就破产了。没有任何对冲能救得了我。"
这段话道破了AI公司面对的核心困境：算力是刚需，但算力的定价权不在自己手里。
租来的算力再多，议价权始终在别人手里。英伟达一张H100卖多少钱，你说了不算。台积电产能排到哪一年，你说了也不算。当行业每年砸进去的算力投入奔向数万亿美元时，没有自己的芯片，就等于没有自己的命脉。
更关键的是，Anthropic的竞争对手们早就动了。
谷歌有TPU，亚马逊有Trainium/Inferentia，微软有Maia，Meta在搞自研，OpenAI上个月刚和博通发布了首款推理芯片Jalapeño——从设计到流片只用了9个月，号称高性能半导体史上最快的ASIC开发周期。
Anthropic差不多是最后一个还在完全依赖外部芯片的主要AI实验室。这个领域的自主控制权，诱惑太大了。
为什么是三星2nm
Anthropic选择与三星合作，而不是行业标杆台积电，这本身就是一个值得拆解的决策。
台积电的2nm产能已经排到了2028至2029年。对于一家年化收入470亿美元、增速惊人的公司来说，等不起。
三星Taylor工厂预计2027年即可量产2nm，并且可能提供HBM4内存与先进封装的一体化打包方案。对Anthropic而言，这意味着更快的上市时间和更完整的供应链整合。
但这里有一个巨大的问号：三星的2nm良率。
今年4月的消息显示，三星2nm GAA工艺良率卡在60%，未达高通70%的基准要求，导致第六代骁龙8至尊版仍由台积电独家代工。10%的差距，足以让大客户转向竞争对手。
Anthropic选择三星，本质上是在赌两件事：第一，三星能在未来18-24个月内把良率提升到可接受水平；第二，台积电的产能瓶颈比三星的良率风险更致命。
这场赌局的赌注不只是Anthropic一颗芯片的成败。如果三星能拿下Anthropic，再加上谷歌正在考虑把部分下一代TPU交给三星代工，台积电在高端AI芯片制造领域近乎垄断的格局将被打破。
对三星而言，这笔潜在订单的意义远超财务层面。今年5月，三星联合SK海力士、美光共同参与了Anthropic 650亿美元的H轮融资。这笔战略投资押的不只是财务回报，更是成为Anthropic核心硬件伙伴的入场券。
全栈竞赛：一个新的分析框架
Anthropic造芯这件事，让我们有必要建立一个新框架来理解AI行业的竞争逻辑。
我把它称为"全栈竞赛"框架。
过去五年，AI行业的竞争主要发生在模型层——谁的参数更多、谁的 benchmark 更高、谁的幻觉更少。这是"单点突破"的逻辑。
但接下来五年，竞争将同时在四个维度展开：
算法层——模型架构、训练方法、推理效率。这是大家最熟悉的战场。
芯片层——自研或定制芯片的效率、成本、供应链安全。OpenAI的Jalapeño、Anthropic的三星2nm、谷歌的TPU，都是这一层的较量。
数据中心层——算力集群的部署速度、电力获取、冷却效率。Anthropic租下Colossus集群、与AWS签5吉瓦长约，都是在这一层布局。
能源层——电力获取将成为终极瓶颈。阿莫迪预测，到2028或2029年，行业每年砸进去的算力投入将达数万亿美元。这背后是天文数字的电力需求。
四个维度不是孤立的，而是相互咬合的。芯片效率提升10%，意味着同样的电力可以训练更大的模型；数据中心部署更快，意味着模型迭代周期更短；电力成本更低，意味着整体运营成本下降。
这就是"全栈竞赛"的核心洞察：未来的AI巨头，不是模型最强的公司，而是能在四个维度上实现最优组合的公司。
推演：谁会在全栈竞赛中胜出
用这个框架去看当前的竞争格局，一些趋势变得清晰。
谷歌可能是全栈布局最完整的一家。TPU自研多年，数据中心全球布局，能源方面也有长期规划。但它的短板在于组织效率——大公司病让它的产品迭代速度落后于OpenAI和Anthropic。
OpenAI在模型层领先，Jalapeño标志着它正式进入芯片层。但与微软的深度绑定既是优势也是束缚——它无法像Anthropic那样灵活地切换算力供应商。
Anthropic的优势在于"多云策略"——不绑定任何单一云厂商，同时与亚马逊、谷歌、英伟达合作。这种灵活性在全栈竞赛中可能成为关键差异化因素。但它的芯片项目尚处早期，从定义需求到流片、量产、集群部署，中间还隔着芯片行业最残酷的鸿沟。
英伟达的位置最微妙。表面上看，它似乎是全栈竞赛的最大输家——所有人都在试图摆脱对它的依赖。但数据显示，尽管推理芯片市场的融资和设计活动一片火热，英伟达的市场份额近几年不降反升，如今约为74%。
为什么？因为自研芯片的门槛极高。设计一款有竞争力的AI芯片，需要平衡计算性能、功耗、内存、网络带宽及散热等多个指标，还需要解决后续大规模稳定量产问题。大多数公司的自研芯片项目，最终可能沦为"有但不好用"的摆设。
英伟达的护城河不是某一款芯片，而是它围绕GPU构建的完整软件生态（CUDA）和供应链体系。在全栈竞赛中，它可能从"唯一的芯片供应商"转变为"最重要的芯片供应商之一"，但离被取代还很远。
落到行动
全栈竞赛的框架，对不同角色的从业者有不同的启示：
如果你是AI创业者——不要再只盯着模型能力。思考你的产品在算法、算力、数据三个维度上的组合优势。纯模型层的创业窗口正在关闭。
如果你是技术管理者——评估你们公司的算力策略。是继续完全依赖云厂商，还是开始考虑混合策略？自研芯片对大多数公司不现实，但与芯片厂商建立更深度的合作关系是必要的。
如果你是投资者——重新审视AI公司的估值逻辑。未来估值模型需要包含"全栈能力"维度：不只是模型性能，还包括算力获取成本、供应链安全、能源布局。
如果你是政策制定者——算力正在成为一种战略资源。芯片制造、电力基础设施、数据中心布局，这些传统上属于"工业政策"的领域，正在成为AI竞争力的核心组成部分。
结语
Anthropic造芯不是终点，而是一个起点。
它标志着AI行业从"模型竞赛"向"全栈竞赛"的范式转移。在这个新范式下，赢家不再是那个做出最聪明模型的公司，而是那个能在算法、芯片、数据中心、能源四个维度上实现最优组合的公司。
英伟达的牌桌上，最后一个玩家已经摸牌。但游戏才刚刚开始。
参考资料：The Information、CNBC、TechCrunch、Reuters、36氪、新浪财经