近日，美国AI公司Anthropic发布了一则招聘启事：为自研芯片团队招募工程师，年薪最高开到48.5万美元。消息本身并不轰动，真正引发行业关注的是应聘者的“来头”——Clive Chan，OpenAI芯片项目的核心成员，被业内称为OpenAI造芯团队的“二号人物”。一位顶尖芯片工程师从行业头部企业跳槽到它的老对手，这背后不是简单的人才流动，而是2026年全球AI产业变革的鲜明信号：OpenAI、Anthropic、谷歌、微软等几乎所有头部AI企业，都在今年加速推进算力自主布局，深耕大模型的科技企业，纷纷下场自研专用芯片。

AI公司为何自研芯片？

　　如果把AI模型比作一座不断长高的摩天大楼，那么算力就是地基。过去几年来，这座大楼越盖越快，但地基始终要租别人的——全球AI公司几乎都在抢购英伟达的GPU。

　　2026年，这种高度单一的供给依赖格局迎来转折。今年4月，Anthropic被曝出正在考虑自研芯片；7月，业内传出其与三星电子就2纳米定制芯片进行早期洽谈；8月初，Clive Chan的加盟让自研芯片的推进路径更加清晰。另一边，OpenAI也发布了与博通合作开发的自研芯片“Jalapeo”，并计划在未来数月内部署。

　　为什么这些以算法和模型见长的公司，突然要闯入硬件领域？答案藏在一张不断膨胀的账单里。

　　据行业分析，在AI公司的GPU支出中，用于“推理”——也就是模型训练完成后，响应用户请求、生成答案的过程——已经占到60%至80%。随着AI应用越来越普及，推理成本正在取代训练成本，成为主要开销项。而通用GPU就像一辆豪华越野车，虽然什么路都能走，但油耗惊人；自研的专用芯片（ASIC）则像是为特定路线定制的轻轨专线，能耗更低、效率更高。

　　更深层次的动因，则是产业链供应链安全的考量。现阶段Anthropic搭建了多渠道算力供给体系：亚马逊的Trainium芯片、谷歌的TPU、英伟达的GPU，以及通过初创公司Volta和太空探索公司获得的额外算力。这种多元化布局，本质上是对单一供应商依赖的焦虑。博通公司首席执行官陈福阳（Hock Tan）曾在6月的行业交流中表示：“每一个大模型开发者，最终都会走向自研芯片，原因很简单——他们能做得更好。”

　　过往，AI企业的核心竞争壁垒是算法与数据；如今，能否打通从芯片到数据中心的全栈基础设施，成为划分行业梯队的全新分水岭。

算力繁荣背后的成本焦虑

　　自研芯片的故事听起来很美好，但要想打开通往“算力自由”的道路，首先要直面巨额资金投入这道难关。

　　据多家科技媒体报道，Anthropic在向投资者披露的内部预测中预计，公司2026年第二季度营收约为109亿美元，Non-GAAP营业利润约为 5.59 亿美元，有望首次实现季度层面盈利。但在这份成绩单背后，是更为庞大的计算支出承诺：据公开报道，Anthropic已向谷歌云承诺五年内投入约2000亿美元，其与太空探索公司的算力租赁合同每月约支出12.5亿美元、期限至2029年，8月初又与成立仅8个月的云初创公司Volta签署了为期六年、价值100亿美元的协议。此外，Anthropic与亚马逊也保持着长期的算力合作协议。

　　综合各项合约，Anthropic远期算力支出规模远超当前营收水平。这种短期小幅盈利、长期重资产投入的财务模式，是整个AI行业的共性特征。研究机构预测，2026年全球AI公司的数据中心支出将接近7000亿美元。

　　资金之外，电力供给成为更棘手的现实瓶颈。在美国得克萨斯州，由于AI数据中心对电网的负荷激增，当地已暂停允许新的数据中心接入电网。据统计，2026年前三个月，美国各地社区阻止或延迟的AI数据中心项目总额高达1300亿美元。电力，这个看似传统的物理约束，正在成为AI扩张的第一个硬天花板。

　　Anthropic与Volta的合作协议中有一个值得注意的细节：算力设施选址在挪威南部的一个水电站附近。选择水电资源丰富的北欧，既是为了获得稳定的清洁能源，也是在规避部分地区电网饱和的瓶颈。当算力布局跨越国界追逐能源资源，AI基础设施发展逻辑被彻底重构，行业竞争不再局限于线上虚拟业务拓展，而是延伸至土地、能源等实体资源的争夺。

造芯热潮需理性审视

　　在自研芯片的浪潮中，不是所有定制芯片都能成功，甚至大多数都可能会失败。投资机构Atreides Management的首席投资官加文·贝克（Gavin Baker）在今年7月表示：“大多数ASIC（专用芯片）项目将会失败。未来三年内，我们会看到一批高调的ASIC项目被取消。”另一家投资机构a16z的基础设施专家也指出，要真正击败英伟达，理论上需要五倍的硬件性能优势，但英伟达强大的供应链和生态规模，会把这种优势迅速磨平到“只好50%”的水平——而这一点点优势，往往不足以支撑企业放弃成熟的英伟达生态。

　　在这场造芯浪潮中，一个有趣的现象是，赢家可能不是那些造模型的公司，而是站在它们身后的芯片设计服务商博通。博通目前已确认服务六大定制AI芯片客户，包括谷歌的TPU、Meta的MTIA、OpenAI的Jalapeo，以及为Anthropic提供支持的谷歌TPU项目。博通预计，其AI芯片收入在2027年将超过1000亿美元。无论Anthropic们的自研芯片最终成败如何，博通作为“卖铲人”的角色都稳赚不赔。

　　这也引出了一个关键的技术路线问题：AI公司的核心竞争力究竟应该放在哪里？是押注重资产的芯片自研，还是聚焦模型创新、通过多元采购和合作来平衡成本与风险？从目前看，行业选择了“两条腿走路”——既自研，也外购。但这种策略对资金体量的要求极高，客观上正在加速行业洗牌：能够同时负担模型研发、芯片设计和算力租赁的，只能是极少数头部玩家。

　　Anthropic的芯片招聘启事和Clive Chan的跳槽，只是2026年AI产业变局的一个缩影。当算力从“可购买的商品”变成“需要自主掌控的战略资源”，整个AI行业的竞争逻辑正在被改写。AI产业发展下半场，比拼的不只是大模型智能水平，更是算力供给的自主可控能力与长期可持续性。