Kundenspezifische Chips für Claude
Anthropic baut ein Team auf, um eigene kundenspezifische Chips für KI-Workloads zu entwerfen. Das Unternehmen bestätigte den Schritt am Mittwoch, nachdem Business Insider zuerst darüber berichtet hatte. Eine Stellenausschreibung zeigt, dass der Hersteller des Claude-Chatbots Ingenieure mit Erfahrung im Chip-Design und in der Verifikation sucht.
Die Stellenbeschreibung besagt, dass Bewerber einen „direkten persönlichen Beitrag“ zur Fertigstellung und Auslieferung von Halbleiterdesigns nachweisen müssen. Anthropic sagte, es plane, Hardware und Modelle gemeinsam zu entwickeln, damit seine Technologie schneller und effizienter in dem Maßstab läuft, den seine Kunden benötigen.
Warum KI-Unternehmen eigene Chips herstellen
Die Entscheidung von Anthropic kommt, da die Nachfrage nach Claude steigt und KI-Unternehmen um begrenzte Rechenleistung konkurrieren. Anthropic hat Verträge mit AWS, Google, Nvidia und AMD über KI-Hardware abgeschlossen, aber die Abhängigkeit von externen Lieferanten reicht nicht aus, um im gewünschten Tempo zu skalieren.
Anthropic ist nicht das erste KI-Unternehmen, das das Chip-Design intern verlagert. OpenAI stellte im Juni seinen von Broadcom gebauten „Jalapeño“-Chip vor, der für Inferenz-Workloads entwickelt wurde. Google DeepMind verlässt sich seit langem auf die TPU-Chips von Alphabet. Meta entwickelt eigene MTIA-Beschleuniger. Der Bau kundenspezifischer Chips gibt diesen Unternehmen mehr Kontrolle über die Hardware, die ihre Modelle antreibt, und kann die Kosten für das Training und den Betrieb großer KI-Systeme senken.
Eine Samsung-Partnerschaft in Arbeit
Letzten Monat berichtete The Information, dass Anthropic Samsung als potenziellen Partner für den Bau seiner Chips ins Auge fasst. Ein Deal mit dem südkoreanischen Riesen würde Anthropic Zugang zu fortschrittlichen Fertigungskapazitäten verschaffen, ohne eigene Fabriken zu bauen. Reuters berichtete im April, dass das Unternehmen erwägt, eigene KI-Chips zu entwerfen.
Die Chip-Bemühungen sind Teil eines breiteren Wettlaufs um KI-Infrastruktur. Je größer die Modelle werden, desto eher könnten Unternehmen, die ihr eigenes Silizium – und die dahinterstehenden Lieferketten – kontrollieren, einen Vorteil bei Geschwindigkeit, Kosten und Zuverlässigkeit haben.