Anthropic heeft officieel bevestigd dat het werkt aan een siliconen engineeringteam om eigen accelerators te ontwikkelen voor Claude. Deze beslissing markeert een strategische verschuiving voor een van de toonaangevende bedrijven in kunstmatige intelligentie: in plaats van uitsluitend afhankelijk te zijn van GPU’s van NVIDIA en AMD of van accelerators van Google Cloud en Amazon Web Services (AWS), wil men hardware ontwerpen die specifiek aansluit bij de behoeften van hun modellen.
De kernpunten van Anthropic’s eigen chip in 20 seconden
- Anthropic heeft bevestigd dat het een team vormt om eigen chips voor Claude te ontwikkelen.
- Het bedrijf streeft naar een geïntegreerde optimalisatie van hardware, software en AI-modellen.
- Dit project zal op korte termijn de GPU’s van NVIDIA en de chips van Google of AWS niet vervangen.
- De strategie volgt de trend die is ingeslagen door OpenAI, Microsoft, Meta en andere grote sectorspelers.
De afgelopen maanden circuleerden verschillende geruchten over deze beweging, maar tot nu toe had het bedrijf zijn plannen niet openbaar bevestigd. Het publiceren van gespecialiseerde vacature-aanbiedingen en de verklaringen die door Business Insider zijn verzameld, maken duidelijk dat Anthropic zich wil bezighouden met het ontwerp van de hardware waarop de toekomstige generaties van Claude zullen draaien.
Het doel is niet alleen het kopen van accelerators, maar het ontwerpen ervan
De groei van kunstmatige intelligentie dwingt bedrijven om hun afhankelijkheid van een klein aantal chipfabrikanten te heroverwegen. NVIDIA blijft de markt voor AI-accelerators domineren, terwijl AMD probeert marktaandeel te winnen met zijn Instinct-familie. Tegelijkertijd hebben grote cloudproviders hun eigen processoren ontwikkeld, zoals Google’s TPU’s en AWS’s Trainium en Inferentia.
Anthropic streeft ernaar zich op een andere manier te positioneren. Het doel is niet om een fabrikant van algemene chips te worden, maar om accelerators te ontwikkelen die nauwkeurig zijn afgestemd op de behoeften van Claude.
De vacature-aanbiedingen geven aan dat het bedrijf op zoek is naar ingenieurs die gespecialiseerd zijn in alle fasen van het ontwerpen van geïntegreerde schakelingen: van front-end ontwerp, pre-silicon verificatie, fysieke ontwerp, analoge integratie, geavanceerde verpakking, signaalintegriteit, energiebeheer tot samenwerking met foundries.
Dit wijst erop dat Anthropic zich in bijna het gehele ontwikkelingsproces van de chip wil mengen, hoewel het naar verwachting nog steeds op externe partners zal vertrouwen voor de productie en bepaalde technologische blokken.
Hardware en modellen grotendeels samen ontwikkeld
Een van de belangrijkste veranderingen is de aanpak van gezamenlijke ontwikkeling van hardware en software.
In plaats van Claude aan te passen aan bestaande hardware, wil Anthropic dat een deel van de hardware wordt ontwikkeld op basis van de specifieke kenmerken van hun modellen. Dit zou optimalisaties mogelijk maken zoals:
- De inferentiesnelheid;
- Het energieverbruik per query;
- Het geheugengebruik;
- De prestaties bij specifieke belasting van Claude;
- De economische efficiëntie bij grote deployments.
Deze aanpak doet denken aan strategieën van andere technologiebedrijven die ervoor hebben gekozen om siliconen te ontwerpen die specifiek gericht zijn op hun workloads, in plaats van te vertrouwen op algemene processoren.
NVIDIA blijft essentieel voor jaren
Ondanks de aankondiging zal Anthropic niet meteen de afhankelijkheid van huidige leveranciers doorbreken.
Het bedrijf onderhoudt nauwe banden met AWS, waar het al grootschalige deployments gebruikt gebaseerd op Trainium2, en werkt ook met Google Cloud-infrastructuur, waar Claude gebruikmaakt van Tensor Processing Units (TPU) voor bepaalde workloads.
Bovendien blijft NVIDIA een van de hoekstenen in het trainen van foundation-modellen in vrijwel de hele sector.
Daarom bestaat de toekomst van Anthropic uit een multi-chip strategie, waarbij verschillende architecturen naast elkaar bestaan, afhankelijk van de aard van de workload.
Een beweging die de sector volgt
De aankondiging bevestigt een trend die in 2026 verder zal versnellen.
Steeds meer AI-modelontwikkelaars proberen ook controle te krijgen over het hardware waarop hun systemen draaien.
OpenAI werkt al samen met Broadcom aan een eigen accelerator. Meta ontwikkelt al jaren haar Meta Training and Inference Accelerator (MTIA). Microsoft blijft haar Maia-familie uitbreiden, Google evolueert haar TPU-generaties en Amazon versterkt haar Trainium– en Inferentia-chips.
In deze context is de beslissing van Anthropic logisch. De kosten voor training en inferentie blijven groeien en toegang tot geavanceerde accelerators is een van de belangrijkste knelpunten in de industrie.
Hoewel er geen exacte datums of technische specificaties zijn aangekondigd, is de strategische boodschap helder: de toekomst van Claude zal niet uitsluitend afhangen van hardware van derden.
Als het project in productie gaat, kan Anthropic samen modellen, compilers, kernels, geheugen en siliconenarchitectuur optimaliseren om prestaties en energie-efficiëntie te verbeteren. Dit betekent niet dat NVIDIA of AMD overbodig worden, maar het onderstreept een nieuw industrie-idee: grote AI-bedrijven willen de gehele technologische stack controleren, van model tot chip.
Veelgestelde vragen
Zal Anthropic stoppen met het gebruiken van GPU’s van NVIDIA?
Nee. Het bedrijf blijft hardware van NVIDIA gebruiken, naast de Trainium-accelerators van AWS en de TPU’s van Google, terwijl het zijn eigen silicium ontwikkelt.
Wat is de functie van de eigen chip van Anthropic?
Het doel is de werking van Claude te optimaliseren door hardware te ontwerpen die de prestaties, energie-efficiëntie en kosten verbetert, afgestemd op hun modellen.
Gaat Anthropic zelf chips fabriceren?
Niet noodzakelijk. Het ontwerpen en produceren van chips zijn verschillende processen. De productie zal waarschijnlijk worden uitbesteed aan een gespecialiseerde foundry, hoewel de onderneming nog geen partner heeft aangekondigd.
Is deze strategie gangbaar in de AI-sector?
Steeds meer wel. OpenAI, Meta, Microsoft, Google en Amazon investeren ook in eigen accelerators om kosten te beperken, prestaties te verbeteren en minder afhankelijk te zijn van externe leveranciers.