TechCrunch→ original

Anthropic crea un equipo para desarrollar chips de IA propios para los modelos Claude

Anthropic está contratando a un equipo de ingenieros especializados en chips y adopta el principio de co-design: el hardware y los modelos Claude se desarrollarán de forma conjunta, no secuencial. El objetivo es acelerar el funcionamiento de la tecnología y reducir los costes de cómputo. Anthropic se suma a una tendencia ya consolidada: Google (TPU), Amazon (Trainium) y Meta (MTIA) ya construyen su propio silicio en lugar de depender de proveedores externos. *Meta ha sido declarada organización extremista y está prohibida en Rusia.

Procesado por IA desde TechCrunch; editado por Hamidun News
Anthropic crea un equipo para desarrollar chips de IA propios para los modelos Claude
Fuente: TechCrunch. Collage: Hamidun News.
◐ Escuchar artículo

El 5 de agosto de 2026, Anthropic anunció la formación de un equipo independiente de ingenieros para desarrollar chips de IA propios. Según el comunicado de la compañía, el creador de Claude diseñará de forma conjunta el hardware y los modelos para que la tecnología funcione más rápido y consuma menos recursos de cómputo.

Por qué Anthropic necesita su propio silicio

Anthropic apuesta por el co-design: el desarrollo conjunto de hardware y algoritmos desde cero, en lugar de adaptar GPU ya existentes a las necesidades del modelo. Los chips estándar de Nvidia se concibieron originalmente para una amplia gama de cargas de cálculo: computación científica, gráficos 3D y procesamiento de datos. Los modelos transformer como Claude representan una carga muy especializada: operaciones matriciales continuas sobre tensores gigantescos, con requisitos particulares de ancho de banda de memoria.

Para una carga así, una GPU de propósito general resulta estructuralmente sobredimensionada: incluye bloques que no se utilizan al ejecutar un modelo de lenguaje, pero que consumen energía y añaden latencia. La brecha de eficiencia crece a medida que aumenta el tamaño del modelo: cuantos más parámetros tiene Claude, más notable es la ventaja de un chip diseñado específicamente para esa arquitectura.

Un silicio propio, optimizado para las matemáticas de modelos concretos, reduce el coste de la inferencia, la principal partida operativa de una compañía que atiende millones de solicitudes al día. A largo plazo, un hardware optimizado influye directamente en el margen de beneficio y en la accesibilidad de la API para los clientes corporativos.

En la industria de la IA, los grandes actores ya han recorrido este camino: Google utiliza sus propias TPU desde 2016, Amazon ha desplegado Trainium para el entrenamiento e Inferentia para la inferencia dentro de AWS, y Meta desarrolla MTIA para su infraestructura interna de IA. Para Anthropic, que opera a través de AWS y Google Cloud, un chip propio supone además reducir la dependencia de proveedores externos en un eslabón crítico de la cadena de producción.

Qué es el co-design y cómo funciona

Según el anuncio de Anthropic, la compañía diseñará el hardware y los modelos dentro de un único equipo: la arquitectura del chip se define teniendo en cuenta los patrones de cómputo concretos de Claude, y los algoritmos se adaptan a las capacidades del hardware en desarrollo de forma iterativa, no secuencial.

«Diseñaremos de forma conjunta el hardware y los modelos para que nuestra tecnología funcione más rápido y con mayor eficiencia», señala el anuncio oficial de

Anthropic sobre la contratación del equipo de chips.

Este enfoque exige especialistas con un perfil poco habitual en un laboratorio de IA:

  • Chip architecture: diseño de los bloques de cómputo del acelerador
  • VLSI design: creación de los esquemas físicos de los circuitos integrados
  • AI hardware acceleration: optimización de hardware para tareas de redes neuronales
  • Hardware-software co-design: coordinación entre el hardware y la pila de software

Los especialistas con estas competencias se concentraban hasta ahora en empresas como Intel y Qualcomm, así como en startups de IA como Groq (aceleradores para inferencia de LLM) y Tenstorrent. La aparición de este tipo de puestos en Anthropic es una señal de que la compañía hace una apuesta seria y a largo plazo por la vertical de hardware.

Qué significa

Anthropic avanza hacia la integración vertical: de laboratorio de IA a empresa que controla la pila completa, desde el silicio hasta la interfaz de usuario. La creación de un equipo de chips es un proyecto a largo plazo: los primeros resultados comerciales no llegarán antes de varios años. Pero para una compañía centrada en el mercado corporativo, la economía unitaria de la inferencia es crítica: a la escala de Claude, la más mínima reducción del coste de cómputo se traduce en millones de dólares de ahorro. La formación del equipo de chips no es todavía un producto, pero sí una señal estratégica de que Anthropic considera el control del hardware una ventaja competitiva a largo plazo.

*Meta ha sido declarada organización extremista y está prohibida en Rusia.

ZK
Hamidun News
Noticias de AI sin ruido. Selección editorial diaria de más de 50 fuentes. Producto de Zhemal Khamidun, Head of AI en Alpina Digital.
✦ Unified AI Workspace

Access Frontier LLMs & Multimodal AI in One Workspace

Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.

Try NomadNet AI →Launch NomadNet Agent
¿Qué te parece?
Cargando comentarios…