Anthropic 转向为 Claude 研发 AI 芯片—2026 年 Nvidia 仍值得买入吗？
AI播客
Anthropic正考虑自研AI芯片以优化Claude的计算成本，亚马逊亦寻求推广自研芯片，显示大型AI买家正寻求英伟达以外的供应源。此趋势长期或对英伟达在AI基础设施市场的份额构成挑战。Anthropic正采取双管齐下的策略，发展外部供应链并评估自研芯片，旨在增强议价能力及降低总拥有成本。亚马逊、Alphabet、Meta、OpenAI等亦在推进自研AI芯片。TrendForce预测，ASIC占AI服务器出货量比例将持续增长。尽管竞争加剧，英伟达凭借持续创新和一体化解决方案仍具优势，但长期面临定制ASIC分流工作负载的风险。未来市场可能呈现混合格局。
TradingKey - Anthropic正在考虑自研AI芯片，以帮助解决产能问题，并使其在Claude的计算成本和时间安排上拥有更大的影响力。与此同时，据报道亚马逊正寻求向客户销售更多其自研芯片。
这两种情况都指向同一个方向：大型AI买家正在寻找英伟达以外的供应来源(NVDA)以保障供应并优化成本。如果这一趋势持续下去，即使AI计算需求不断扩大，长期来看也可能对英伟达在AI基础设施市场的份额产生负面影响。
Anthropic 是谁？Claude 是什么？
Anthropic 是一家人工智能研究机构，致力于开发有益、可靠且安全的系统。Anthropic 的主要产品名为 Claude，这是一个大语言模型系列，个人用户可使用其辅助对话、编程、搜索，并为企业执行工作流。据报道，随着 Claude 收入的快速增长，Anthropic 需要更具可预测性的算力获取渠道。因此，Anthropic 目前使用多种类型的芯片，如 AWS Trainium 芯片、Google TPU、NVIDIA GPU，并可能寻求开发定制芯片，以减少对外部来源的依赖，并更好地满足其模型需求。
为何 Anthropic 可能在 AI 芯片领域举足轻重
Anthropic对定制芯片的调研仍处于开发阶段，目前尚未完成最终设计，也未建立专门团队。行业专家估计，开发一款先进AI芯片的成本可能接近5亿美元。然而，考虑到Anthropic的规模和增长轨迹，有理由相信其推进定制芯片研发的计划具有合理性。
该公司最近还与Google以及Broadcom签署了一项关于AI处理器的长期协议(AVGO)，旨在当2027年新机器投产时，获得约3.5吉瓦（GW）的巨大算力支持。本质上，Anthropic正在采取双管齐下的策略：一方面发展外部供应链；另一方面，致力于评估或研发自研芯片，以确保保留所有备选方案。
如果其能够提供成本更低或定制化的加速器，以抵消构建自研AI芯片的成本，那么在与供应商谈判时将拥有更强的议价能力，并且随着时间的推移，可能还会实现更低的整体拥有成本。
英伟达面临来自 Anthropic 及其他公司的挑战
Anthropic 并非孤例。亚马逊已经开始通过 AWS 提供 Trainium 和 Inferentia 芯片，并可能寻求将这些产品推向更广泛的市场，这或将使亚马逊成为一个更为重要的半导体供应商。Alphabet 也在持续推进其 TPU 相关技术，且在开发针对其 AI 工作负载优化设计的硬件方面拥有悠久历史。Meta 同样在研发自研加速器，以减少目前推理工作负载以及未来训练工作负载对第三方 GPU 的依赖。据报道，OpenAI 也在研究定制芯片。此外，AMD 在训练和推理工作负载方面与 NVIDIA 的竞争日益激烈，而 Broadcom 也强化了其作为超大规模计算企业定制芯片合作伙伴的角色。
这些趋势和企业战略与更广泛的市场趋势相一致；具体而言，TrendForce 预计，基于 ASIC 的 AI 服务器占整体服务器出货量的比例将从 2026 年的约 27.8% 增长到 2030 年的近 40%。因此，随着更多计算能力持续向专用芯片转移，尽管 AI 相关的整体支出预计将保持强劲，但 NVIDIA 在加速器市场份额方面维持其市场领导地位可能面临挑战。
2026年，投资者对英伟达有何期待？
尽管越来越多的竞争对手正进入 NVIDIA 的领域，但其稳定的创新步伐持续作为抵消额外竞争压力的强大力量。NVIDIA 基于 Hopper 架构的 H100 GPU 彻底改变了 AI 训练的经济效益；如今，NVIDIA 基于 Blackwell 架构的 GB300 GPU 在特定配置下实现了更大幅度的性能飞跃，提升高达 10 倍以上。
此外，NVIDIA 将于今年下半年开始商业化交付包含 Rubin GPU、Vera CPU 和升级网络组件的新一代 Vera Rubin 平台，这将使开发人员能以减少高达 75% 的 GPU 使用量来训练模型，并将推理 token 成本大幅降低近 90%。Token 是指用户向 AI 系统发出请求时生成的单词、符号或图像。通过大幅降低 AI 解决方案提供商的 token 成本，AI 消费者的广泛采用以及提供商更好的利润率将持续催生并支持对高端加速器的需求。
NVIDIA 公布了截至 2026 年 1 月 25 日财年的创纪录财报，营收达 2159 亿美元，每股收益为 4.77 美元。其当前市盈率为 36.10 倍，低于 61.60 倍的 10 年平均水平，NVIDIA 的股价相较于历史均值折价显著。华尔街预计 NVIDIA 2027 财年的每股收益（EPS）约为 8.29 美元，这意味着其前瞻市盈率约为 21.30 倍。如果 NVIDIA 股价重返历史市盈率水平，涨幅可能达到约 189%；不过这并非板上钉钉。无论如何，未来的创新和每股收益的持续增长都将为股价上行提供充足空间。
英伟达在2026-2030年间亦面临风险。
NVIDIA 面临的一个关键战略风险仍将是：超大规模云服务商和全球最大的 AI 实验室是否会继续将工作负载转移到比 NVIDIA 的 GPU 更便宜且能效更高的定制 ASIC 上。
如果到 2030 年，定制 ASIC 确实承担了这些平台 40% 的工作负载，那么 NVIDIA 在一个更大的整体市场中所占的份额可能会比现在出现结构性下降；然而，由于 NVIDIA 将 GPU、CPU 和网络硬件与既有的开发者基础及成熟软件栈相整合，使得客户很难一次性更换所有设备，NVIDIA 将继续以此产生切换阻力。
对于许多公司而言，NVIDIA 仍然是尖端模型训练和灵活推理的首选。展望未来，这场转型的最可能结果将是一个混合市场，即稳定、大批量的任务使用定制芯片，而尖端模型、快速发展的研究和通用用途则结合 NVIDIA 的解决方案。
Anthropic 未来的行动将提供重要的方向性指引；如果它继续为 Claude 研发自有芯片，从长远来看，它或许能够节省资金并从多样化的供应商处采购芯片。如果它停下脚步，则表明定制芯片规模化所涉及的难度和问题（包括工程、前期资本、良率与封装问题以及软件工具链）具有极高的门槛。
AI 行业其他领域在许多方面正日益认识到，Anthropic 对定制芯片的持续追求意味着 AI 现在很大程度上掌控着自己的算力命运，这可能会影响整个行业其他环节的采购流程。
本内容经由 AI 翻译并经人工审阅，仅供参考与一般资讯用途，不构成投资建议。
