Anthropic 轉向開發 Claude AI 晶片—Nvidia 在 2026 年仍值得買入嗎？
AI 播客
Anthropic 考慮自研 AI 晶片，以緩解算力瓶頸與成本壓力，此舉與 Amazon 等巨頭尋求 NVIDIA 以外的供應管道趨勢一致，可能長期影響 NVIDIA 在 AI 基礎設施市場的市佔率。儘管自研晶片成本高昂，Anthropic 的規模與成長性使其計畫具備合理性，其雙軌策略旨在強化議價能力與降低持有成本。Amazon、Alphabet、Meta 及 OpenAI 等公司亦紛紛投入客製化晶片研發，預計至 2030 年 ASIC 伺服器出貨佔比將近 40%， NVIDIA 面臨日益激烈的競爭。然 NVIDIA 透過持續創新，如 Blackwell 架構及 Vera Rubin 平台，仍具備強大競爭力，並提供顯著的成本效益，預計 2027 會計年度 EPS 約 8.29 美元。市場預期將呈現混合格局，大量穩定工作負載將轉向客製化晶片，而頂尖模型與研究仍以 NVIDIA 解決方案為主。Anthropic 的後續行動將為此趨勢提供重要指標。
TradingKey - Anthropic 正在考慮自行研發 AI 晶片，以協助解決產能問題，並讓 Anthropic 能在 Claude 的算力成本與時程上擁有更大的影響力。與此同時，據傳 Amazon 正尋求向客戶銷售更多其自有的內部晶片。
這兩種情況都指向同一個方向：大型 AI 買家正尋求 NVIDIA 以外的供應管道(NVDA)以確保供應並優化成本。若此趨勢持續下去，即便 AI 算力需求持續擴張，長期而言仍可能對 NVIDIA 在 AI 基礎設施市場的市佔率產生負面影響。
Anthropic 是誰？Claude 是什麼？
Anthropic 是一家致力於開發有助、可靠且安全系統的 AI 研究機構。Anthropic 的主要產品名為 Claude——這是一個大型語言模型系列，個人可用於輔助對話、程式設計、搜尋，並為企業執行工作流程。據報導，由於 Claude 的營收快速增長，Anthropic 需要更穩定且可預測的算力資源。因此，Anthropic 目前採用多種晶片，包括 AWS Trainium 晶片、Google TPU、NVIDIA GPU，並可能尋求開發自研晶片，以減少對外部供應商的依賴，並更精確地滿足其模型需求。
為何 Anthropic 在 AI 晶片領域可能至關重要
Anthropic 對客製化晶片的探索仍處於初期開發階段，目前既未完成最終設計，也尚未建立專門團隊。產業專家估計，開發一款先進 AI 晶片的成本可能接近 5 億美元。然而，考慮到 Anthropic 的規模與成長軌跡，有理由相信其研發客製化晶片的計畫具有其合理性。
該公司最近還與 Google 簽署了 AI 處理器的長期協議，並與 Broadcom (AVGO) 展開合作，以便在 2027 年新機器投產時獲得約 3.5 GW 的龐大算力。基本上，Anthropic 正採取雙管齊下的策略，在建立外部供應鏈的同時，也致力於評估或開發內部晶片，以確保保留所有選項。
如果該公司能提供成本更低或客製化的加速器來抵銷開發自有客製化 AI 晶片的成本，則在與供應商合作時將擁有更佳的議價地位，且隨著時間推移，也可能實現更低的整體持有成本。
輝達面臨來自 Anthropic 等廠商的挑戰
Anthropic 並非孤例。Amazon 已經開始透過 AWS 提供 Trainium 和 Inferentia 晶片，並可能尋求將這些產品推向更廣泛的市場，這可能使 Amazon 成為更具影響力的半導體供應商。Alphabet 也持續推進其 TPU 技術，且在開發專為其 AI 工作負載優化的硬體方面擁有悠久歷史。Meta 也正在開發自家的加速器，以減少目前在推論工作負載中對第三方 GPU 的依賴，並最終延伸至訓練工作負載。據報導，OpenAI 也在研究客製化晶片。此外，AMD 在訓練和推論工作負載方面正積極與 NVIDIA 競爭，而 Broadcom 則加強了其作為超大型雲端業者客製化晶片合作夥伴的角色。
這些趨勢與公司策略符合更全面的市場趨勢；具體而言，TrendForce 預計 ASIC AI 伺服器佔整體伺服器出貨量的比例，將從 2026 年的約 27.8% 增長到 2030 年的近 40%。因此，隨著更多運算能力持續轉向應用特定晶片，儘管整體 AI 相關支出應維持強勁，但 NVIDIA 在加速器市場佔有率方面，要維持其市場領導地位可能面臨挑戰。
2026 年投資者對 NVIDIA 有何期待？
雖然有更多競爭對手正進入 NVIDIA 的領地，但其持續創新的步伐仍是抗衡競爭壓力的強大力量。NVIDIA 以 Hopper 架構為基礎的 H100 GPU 徹底改變了 AI 訓練經濟學；如今，NVIDIA 以 Blackwell 為基礎的 GB300 GPU 在特定配置中提供了更大的性能飛躍，提升幅度高達 10 倍以上。
此外，NVIDIA 將於今年下半年開始商業出貨包含 Rubin GPU、Vera CPU 和升級網路架構的全新 Vera Rubin 平台，使開發者能以減少高達 75% 的 GPU 數量來訓練模型，並大幅降低近 90% 的推論 Token 成本。Token 是指用戶向 AI 系統發出請求時所生成的單詞、符號或圖像。透過大幅降低 AI 解決方案供應商的 Token 成本，將促使 AI 消費者擴大採用，並為供應商帶來更好的利潤空間，進而持續產生並支撐對高端加速器的需求。
NVIDIA 公布了截至 2026 年 1 月 25 日止會計年度的創紀錄財務業績，營收達 2,159 億美元，每股盈餘 (EPS) 為 4.77 美元。與其 10 年平均本益比 (P/E) 61.60 倍相比，目前的本益比為 36.10 倍，顯示 NVIDIA 的股價正處於較歷史均值大幅折價的水平。華爾街預計 NVIDIA 2027 會計年度的 EPS 約為 8.29 美元，這意味著預估本益比僅約 21.30 倍。若 NVIDIA 的股價回歸歷史本益比水平，股價可能有約 189% 的上漲空間；然而，這並非絕對保證。無論如何，未來透過創新和持續的 EPS 成長，仍有充足的上行機會。
NVIDIA 在 2026–2030 年亦存在風險
NVIDIA 面臨的一個關鍵策略風險在於，若超大規模雲端服務商與全球頂尖 AI 實驗室持續將工作負載轉向客製化 ASIC，而這些晶片比 NVIDIA 的 GPU 更便宜且更具能源效率。
若到 2030 年，客製化 ASIC 確實承擔了這些平台 40% 的工作負載，那麼 NVIDIA 在不斷擴大的總體市場中，其市佔率可能會出現結構性下滑；然而，NVIDIA 透過將 GPU、CPU 與網路硬體整合，並搭配既有的開發者群體與成熟的軟體堆疊，將持續產生轉換阻力，使客戶難以一次性撤換所有設備。
對於許多公司來說，NVIDIA 仍是頂尖模型訓練與彈性推論的首選。展望未來，這場轉型最可能的結果將是混合市場：穩定且大量的工作負載採用客製化晶片，而頂尖模型、快速發展的研究與通用用途則採用 NVIDIA 的解決方案。
Anthropic 未來的行動將提供重要的方向指引；若其繼續為 Claude 開發自有晶片，長期而言有望節省成本，並能從多種供應商處採購晶片。若其停止開發，則顯示客製化晶片在規模化過程中涉及的工程技術、前期資金、良率與封裝問題，以及軟體工具等方面的困難度與門檻極高。
AI 業界的其他領域在許多方面日益體認到，Anthropic 持續追求客製化晶片，意味著 AI 目前在很大程度上正掌握著自身的運算命運，這可能會影響整個產業其餘部分的採購流程。
本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。
