Alle frontlaboratorier vil nu have deres eget silicium

The Information skrev den 2. juli 2026, at Anthropic er i tidlige forhandlinger med Samsung om at fremstille en skræddersyet AI-chip, angiveligt med øje for Samsungs 2nm-støberiproces og avanceret pakning. Forhandlingerne er sonderende - Anthropic har ikke besluttet, hvad chippen skal kunne, hvor kraftig den skal være, eller hvordan den passer ind i en server - og Samsung deltog allerede i Anthropics Series H-finansieringsrunde som strategisk infrastrukturpartner.

Trækket fuldender et mønster snarere end at starte et. Google har kørt sine egne TPU'er i årevis, Amazon har Trainium, og i slutningen af juni præsenterede OpenAI en Broadcom-designet inferens-chip ved navn Jalapeno. Reuters skrev først om, at Anthropic overvejede eget silicium tilbage i april. Hermed er det sidste frontlaboratorium, der byggede på Nvidias standardhardware, nu ved at designe uden om den.

Hvorfor et modelfirma bygger en chip

Grundene er forsyning og kontrol. Anthropic har nævnt chipmangel, og skræddersyede dele afstemt til en enkelt arbejdsbyrde kan slå generel hardware på ydelse-per-watt, som er det mål, der afgør et datacenters strømregning. OpenAI fremførte præcis det argument for Jalapeno. At eje designet løsner også Nvidias greb om både tildeling og pris.

Dette er tilføjelse, ikke erstatning. Anthropics egen udmelding er, at en spredt hardwarestak med chips fra Google, Amazon og Nvidia fortsat vil være afgørende for virksomhedens compute-strategi. En skræddersyet chip er en afdækning mod en enkelt leverandør, ikke et skift væk fra en, og det første fungerende silicium ligger år ude i fremtiden.

Hvad det betyder for europæiske ejere

Den kortsigtede læsning er kedelig og vigtig: intet bliver billigere lige med det første. Skræddersyede chips tager to til tre år at nå produktion, så Nvidias prismagt over din compute-regning holder langt ind i 2028. Enhver, der modellerer AI-omkostninger i håb om, at vertikal integration letter dem i år, modellerer det forkerte år.

Den strategiske læsning er den, man skal notere sig. Compute fragmenteres i leverandørejede stakke, hvor virksomheden, der laver modellen, også laver chippen, hvilket stille og roligt gør modelvalg til en silicium-forpligtelse. En nordisk eller europæisk virksomhed bør bemærke, at hverken Danmark eller det øvrige Europa har et laboratorium med i dette silicium-kapløb - en påmindelse om, at kontinentets compute-afhængighed stikker dybere end blot, hvilken cloud-region man vælger.

Læs videre: Når den mest investerede troende på AI træder tilbage, hvad fortæller han dig så?  |  Nvidia finansierer de laboratorier, der køber dens chips. Betaler AI-boomet sig selv?