看到Anthropic这一步，其实不意外。去年我们团队做大规模推理优化的时候，就在算力账单上踩过坑——当时用的还是A100，光是跑一次大模型的全量微调，电费和云服务加起来就够让人肉疼的。他们五个月收入翻五倍，这个体量的推理成本，靠买现成芯片确实扛不住。

不过有个点想聊聊：2nm制程虽然能效比诱人，但三星的良率问题在业内不是秘密。我们之前接触过三星的先进封装工艺，有同事反馈他们HBM3的散热层处理不如台积电稳定，这可能会影响芯片在持续高负载下的表现。Anthropic如果真的走这条路，大概率得在芯片设计和散热方案上做不少定制化妥协，比如像Trainium那样把SRAM和计算单元紧密耦合，减少对HBM带宽的依赖。

另外，他们挖Clive Chan可能不只是为了芯片本身。OpenAI那个定制芯片团队当年在NVLink互联协议上的积累很深，如果Anthropic能把这套思路带过去，结合自研片内互联，说不定能搞出比NVLink延迟更低的私有协议——这对Transformer模型的张量并行调度太关键了。我猜他们最终的产品形态不会是通用GPU，而是像TPU那样强绑定自家模型的计算核心。

不知道他们有没有考虑过Chiplet路线？2nm制程太贵，把部分逻辑单元用成熟制程做，通过先进封装拼起来，良率和成本都能更好控制。这点上AMD已经验证过可行性了。

最近刚好在啃Transformer相关的东西，有点好奇自研芯片在矩阵运算单元上会怎么针对attention机制做专门优化？比如会不会像谷歌TPU那样搞脉动阵列，还是走类似英伟达tensor core的路径？另外三星2nm的良率问题，不知道他们有没有跟三星签什么补偿协议来分担风险？

这波算力需求增速确实吓人，五个月翻五倍，任何云厂商的账单都扛不住。不过三星2nm的良率问题真的能解决吗？之前Exynos的教训还历历在目，Anthropic要是押错制程节点，研发进度被拖累就得不偿失了。另外很好奇他们自研芯片会怎么处理多模态推理的异构计算需求，毕竟现在模型架构已经不只是纯Transformer了。

算力账单确实到了临界点，年化收入翻五倍的同时如果依赖外部芯片，利润率会被迅速吃掉。不过2nm制程的良率风险不是光靠挖人就能解决的，我更关心他们在架构层面对Transformer的融合设计了什么新算子，这个才是真正拉开能效差距的地方。

三星2nm的良率问题确实是硬伤，之前他们自己Exynos都翻过车，Anthropic要是真敢上，估计得学谷歌那样先小批量试水。不过话说回来，自研芯片对Transformer的优化空间确实大，像矩阵乘法单元这种定制化设计，通用芯片很难比。就是不知道他们打算怎么平衡成本和性能，毕竟470亿的盘子，烧钱速度肯定比想象中快。