Anthropicが自社製AIチップ開発チームの立ち上げを確認、Claudeの推論コスト半減へ

Anthropicは、自社のAIモデル「Claude」向けにカスタムチップを設計する社内チームを立ち上げたことを明らかにした。ソフトウェアとハードウェアの協調設計により、推論コストを大幅に削減する狙いがある。開発には数年を要する見込みだが、既存のNvidiaやGoogleなどのチップパートナーとの関係は維持しつつ、将来的な計算リソースの垂直統合を目指す。

■自社製チップ開発への参入と協調設計の狙い

Anthropicは水曜日（8月5日）、Claude向けのチップを設計する社内の「カスタムシリコンチーム」を編成していることを確認した。これは、少なくとも6月上旬から密かに進められていた独自のハードウェアプログラムを同社が初めて公に認めたものだ。TechCrunchによって確認されたこの発表は、戦略的な転換点を示している。Anthropicはもはや外部のチップパートナーのシリコンを消費するだけの存在ではなく、自らチップ設計者になろうとしている。

単なる採用発表以上の意味を持つのは、Anthropicが説明したその手法だ。同社の広報担当者は、このプログラムがソフトウェアとハードウェアの協調設計（コデザイン）戦略に従うことを確認した。つまり、チップとClaudeのモデルが共に開発され、互いのアーキテクチャを形成し合うということだ。AppleのMシリーズチップやGoogleのTensor Processing Unit（TPU）でも採用されているこのアプローチこそ、カスタムシリコンが市販のハードウェアでは不可能な効率化を実現できる理由である。Claudeの特定の計算パターンに合わせて設計されたチップは、Claudeが実際に実行する操作（TransformerのAttention機構、行列乗算、Key-Valueキャッシュ管理など）にすべてのトランジスタを割り当てることができ、NvidiaのGPUが本来想定していないワークロードのために抱え込まざるを得ない汎用的なオーバーヘッドを排除できる。

■推論コスト削減の経済的論理とアーキテクチャへの賭け

その経済的な論理は直接的だ。BroadcomのCEOであるHock Tan氏によると、Broadcomが専用に構築し6月24日に発表されたOpenAIの推論チップ「Jalapeño」は、初期テストにおいて標準的なGPU推論と比較してトークンあたりのコストを約50%削減したと報じられている。Anthropicも同等の規模で事業を展開しており、数十万の企業顧客と数百万の個人ユーザーにサービスを提供している。Claudeの提供パターンに最適化されたチップは、その規模であれば年間数億ドルのコスト削減をもたらす可能性がある。

このプログラムは、アーキテクチャに対する暗黙の賭けでもある。特定用途向け集積回路（ASIC）は、特定のクラスの操作のために設計されており、製造後に再プログラムすることはできない。Claudeのモデルに合わせてASICを構築するということは、Anthropicが、Claudeの基盤となるTransformerアーキテクチャ（その中核となる計算パターン）が、チップが陳腐化する前に設計投資を正当化できるほど十分に安定し続けると確信していることを意味する。これは単なるコスト削減の取り組みではなく、意味のあるエンジニアリング上のコミットメントである。

■Claudeにとっての協調設計の真の意味

「ソフトウェアとハードウェアの協調設計」という言葉は、一見するよりも技術的な重みを持っている。従来のチップ調達では、企業はハードウェア（NvidiaのGPU、GoogleのTPU、AmazonのTrainiumなど）を購入し、その上で動作するソフトウェアを記述する。ハードウェアが可能にするものを定義し、ソフトウェアがそれに適応する。協調設計はこの関係を逆転させ、チップは最初からソフトウェアの要件に合わせて構築される。

AI推論アクセラレータの場合、協調設計とは、チップのメモリレイアウト、データフローアーキテクチャ、および精度フォーマットが、Claudeの推論フレームワークが最も頻繁に実行する正確な操作に調整されることを意味する。Claudeの計算グラフをハードウェア命令にマッピングするコンパイラは、後から付け足されるのではなく、チップのレジスタアーキテクチャと連携して記述される。モデルの推論ワークロードを、NvidiaのCUDAのような抽象化レイヤーを介さずに、チップのネイティブ命令セットで直接表現できる場合、効率化のメリットは複利的に増大する。つまり、メモリ転送の減少、トークンあたりのレイテンシの低下、ワットあたりのスループットの向上である。

だからこそ、Anthropicの求人情報では、単なるチップ設計者ではなく「ハードウェアとソフトウェアの両方」にわたる経験を持つエンジニアを求めていると明記されていたのだ。カスタムシリコンチームの求人情報では、「シリコンを出荷した経験」があり、「背後に大規模な組織がなくても重要な判断を下すことに抵抗がない」候補者を指定しており、従来の大規模なチップ開発プログラムではなく、少数精鋭のシニアチームであることを示唆している。この枠組みは報酬にも表れている。同社はチップエンジニアに年間32万ドルから48万5000ドル（約5056万円〜7663万円、1ドル=158円換算）を提示している。この給与は、AIアクセラレータの協調設計ができるエンジニアの真の希少性と、その規模でアーキテクチャ上の決定を下すために必要なシニアレベルの経験の両方を反映している。

2026年6月上旬にAnthropicに加わったClive Chan氏が、この初期段階のプログラムの技術的リーダーシップを担っている。Chan氏は、TeslaのDojoスーパーコンピュータープログラム（GPU最適化やトレーニングインフラを含むAutopilotのディープラーニングインフラに従事）から2024年1月にOpenAIの専用チップチームに2人目のハードウェア担当として加わった人物だ。OpenAIでは、Jalapeñoの行列乗算アーキテクチャとハードウェアパフォーマンス分析に従事した後、より初期段階にあるAnthropicのプログラムに移籍した。X（旧Twitter）での発表で、Chan氏は「麓から新しい山に登る」準備ができていると述べた。これは、OpenAIのチップ（すでにプロトタイプ段階）とAnthropicのチップ（正式に命名されたがまだ設計されていない）の間のエンジニアリング上のギャップを正確に表現している。

■推論コスト問題の深刻さと業界の動向

Anthropicのチップ投資を後押しする経済的圧力は、何年も前から高まっていた。Stanford HAIの2025年AIインデックスによると、GPT-3.5と同等のモデルを実行するクエリあたりのコストは、2022年11月の100万トークンあたり約20ドルから、2024年10月には100万トークンあたり0.07ドルへと低下した。この約2年間で280倍以上の下落は、ほぼ完全にハードウェアとソフトウェアの最適化によってもたらされた。大規模言語モデルのトレーニングではなく、推論を提供するために特別に設計されたカスタム推論シリコンが、このコスト曲線の背後にある主要なメカニズムである。

フロンティアAIの規模では、この経済性は特に説得力を持つ。Tom's Hardwareが発表したTrendForceのデータによると、カスタムAIアクセラレータの出荷は2026年に44.6%成長する見込みであり、これは汎用GPUの予測成長率16.1%の約3倍に相当する。なぜなら、十分な量があれば、カスタムチップの設計コストは簡単に償却できるからだ。予測可能で安定したワークロードの場合、問題はASICがGPUよりも効率的かどうか（ほぼ常に効率的である）ではなく、クエリ量が設計投資を正当化できるほど多いかどうかである。

報じられているAnthropicの年換算売上高ランレート47億ドル（約7兆4260億円）という規模を考えれば、その答えはイエスだ。Reutersを引用した業界分析によると、最先端ノード（2nmまたは3nm）で高度なAIチップを開発するには、現在約5億ドルから7億5000万ドル（約790億円〜1185億円）のコストがかかる。この数字は、現在の規模での約6〜10週間分の収益に相当する。Anthropicの推論ワークロードの一部であっても、トークンあたりのコストを50%削減できれば、チップの第1世代の間に設計コストを上回る年間削減額を生み出すだろう。この計算こそが、すべての主要なAIラボが現在カスタムシリコンを追求している理由である。

NvidiaのAIチップ市場におけるシェア（収益ベースで約70%〜80%）は、絶対的な意味では弱まっていない。しかし、ハイパースケーラーやフロンティアAIラボが導入するカスタムチップはすべて、Nvidiaがそのワークロード向けに販売できないチップとなる。Anthropicにとっての動機は、コスト構造、パフォーマンスのロードマップ、そしてサプライチェーンのコントロールである。Claudeを中心に設計されたチップは、第三者によって製造中止にされたり、価格を変更されたり、供給を止められたりすることはない。

■AIハードウェア競争におけるAnthropicの立ち位置

Anthropicがチップ設計に正式に参入したのは、OpenAIが6月24日にJalapeñoを発表してから6週間後のことだ。Jalapeñoは、Broadcomとのパートナーシップにより、コンセプトから製造可能な設計図まで9カ月で設計されたカスタム推論プロセッサである。OpenAIのアプローチはBroadcomの設計に関する専門知識と製造関係に大きく依存しており、それがスケジュールが異常に短縮された理由である。対照的に、Anthropicのプログラムは、設計パートナーに依存するのではなく、社内で設計能力を構築しているようだ。このアプローチは時間がかかるが、最終的なアーキテクチャをより強力にコントロールできる可能性がある。

主要なAIラボの中で最も成熟したカスタムAIシリコンの取り組みであるGoogleのTPUプログラムは、現在10年にわたり7世代に及んでいる。GoogleのTPUの各世代は、次世代のGoogleモデルと協調設計され、コンパイラインフラストラクチャも並行して更新される。Anthropicも同じループを始めているが、第7世代からではなくゼロからのスタートとなる。

AmazonのTrainiumとInferentiaチップは、AWSのAIサービスのトレーニングと推論を処理する。MetaのMTIAアクセラレータは、FacebookとInstagram全体で毎日数十億件の推論リクエストを管理している。アリゾナ州とアイオワ州のデータセンターに導入されているMicrosoftのMaia 200は、OpenAIのGPTモデルの推論を処理しており、4番目の外部チップオプションとしてAnthropicと初期段階の協議を行っている。これら5つのプログラムすべてに共通するパターンは、カスタム推論チップが本番環境の規模でトークンあたりのコストを50%から67%削減するという点だ。この数字は、クエリ量が1日あたり数十億に達すると、エンジニアリング上の野心から経済的な必然性へと変化する。

■製造の課題と長期的な展望

Anthropicにとって製造の問題は未解決のままだ。同社は、Samsung Electronicsの2nmファウンドリプロセス、具体的にはSamsungのSF2Pノードの使用について予備的な協議を行っている。SF2Pは、前世代のFinFET設計よりも厳密な電気的制御を提供するGate-All-Around（GAA）ナノシートトランジスタを使用した、パフォーマンス最適化済みの2nmアーキテクチャの第2世代である。SamsungのSF2Pの歩留まりは2026年初頭の時点で70%に近づいていたが、その割合での大量生産の安定性は商業規模では未確認のままであった。製造契約は締結されていない。Samsungは2026年5月のシリーズHの投資家であり、この財務関係がサプライチェーンの協議にさらなる重みを与える可能性がある。

Anthropicは、カスタムチップがいつ生産に達するかという目標日、アーキテクチャの詳細、署名済みの製造契約を意図的に提示していない。これは、この段階のプログラムとしては通常のことだ。仕様がまだ定義されていないチップについて、責任を持って納品日を約束することはできない。

このプログラムの当面の成果物は、現段階ではチップそのものよりも価値のあるもの、つまりチップを設計できるエンジニアリングチームである。Anthropicは、Clive Chan氏の採用と現在行われている採用活動を、業界独自のスケジュールに従えば早くても2028年から2030年の間に生産に達するプログラムの第1フェーズと位置づけている。これは、テキサス州ハバードのデータセンターキャンパス（Morgan Stanleyの資金提供とGoogleの保証に裏打ちされた約2800エーカー、150億ドル（約2兆3700億円）のプロジェクトで、1.6ギガワットのオンサイト電力を目標としている）が完全に稼働し、そこを埋めるワークロードが必要になる時期とほぼ同じである。今日のパートナーチップが本番環境を処理し、独自のシリコンが成熟するにつれて最適化された推論を処理するというヘテロジニアスなコンピューティングフリートが、このキャンパスがサポートするように設計されたアーキテクチャである。

Anthropicが明確にしたことも同様に重要だ。独自のシリコンは、パートナーシップの代わりにはならない。AWS Trainium、Google TPU、Nvidia GPU、およびAMDのMI450アクセラレータ（AMDは50億ドル（約790億円）の株式投資と2027年から2ギガワットの容量を約束している）は、現在Claudeが実行されているコンピューティング基盤であり続ける。カスタムチップは未来の資産であり、既存の関係は現在の現実である。

企業顧客にとって、短期的な重要性はチップそのものよりも、このコミットメントが何を示唆しているかにある。Anthropicは、コンピューティングスタックの垂直的なコントロールはもはや選択肢ではないと結論付けたのだ。サードパーティのシリコンパートナーがClaudeに必要なハードウェアを提供するのを待つのではなく、自らチップ設計に資金を投じている。Claudeを実行するための長期的なコスト軌道（Anthropicの価格設定が規模を拡大しても競争力を維持できるか、コンピューティングコストの低下に伴ってマージンが拡大するかを決定する数字）は、現在トランジスタレベルで対処されている。

■注目ポイントQ&A

●なぜAnthropicはNvidia、Google、Amazonのハードウェアを使い続けるのではなく、独自のチップを構築しているのですか？

特定のモデルの計算パターンに合わせて設計されたカスタムAI推論チップは、NvidiaのGPUが本来想定していないタスクのために抱え込む汎用的なオーバーヘッドを排除できるからです。Broadcomとの提携で構築され2026年6月に発表されたOpenAIのJalapeñoチップは、初期テストにおいて標準的なGPU推論と比較してトークンあたりのコストを約50%削減したと報じられています。数十万の企業顧客にサービスを提供するAnthropicの規模では、同等の効率向上が年間数億ドルのコスト削減につながります。Anthropicは、AWS、Google、Nvidia、AMDとの既存のチップパートナーシップは引き続きコンピューティング戦略の中心であり、社内チッププログラムは代替ではなく追加の取り組みであると述べています。

●「ハードウェアとソフトウェアの協調設計」とはどういう意味ですか？また、AIチップにとってなぜ重要なのですか？

協調設計とは、チップとAIモデルを最初から一緒に開発し、チップのメモリレイアウト、データフローアーキテクチャ、命令セットを、モデルが最も頻繁に実行する正確な操作に調整することを意味します。市販のハードウェアを購入してそれに合わせてソフトウェアを記述するという代替案は、汎用チップが多くのワークロードを同時に処理しなければならないため、常に妥協を伴います。ClaudeのTransformerのAttention機構や行列乗算パターンに特化してチップを構築すれば、コンパイラは抽象化レイヤーなしでモデルの計算グラフを直接ハードウェア命令にマッピングでき、レイテンシを減らし、ワットあたりのスループットを向上させることができます。AppleのMシリーズチップがApple独自のソフトウェアにおいて同等の電力のIntel CPUを上回るのも、これと同じ協調設計の原則が別の文脈で働いているためです。

●カスタムAIチップの構築にはどれくらいのコストがかかりますか？また、Anthropicのチップはいつ完成しますか？

業界の分析やReutersの報道によると、最先端のプロセスノード（2nmまたは3nm）でカスタムAIアクセラレータを開発するには、専門のエンジニアリング人材、極端紫外線（EUV）リソグラフィのマスクコスト、複数回のテープアウトサイクルなどにより、現在約5億ドルから7億5000万ドルかかります。Anthropicはスケジュールを公表していません。AIチップ業界の標準的な開発サイクル（コンセプトから生産まで通常3〜5年）に従えば、2026年に本格的な設計作業を開始したチップが2028年より前に生産に達する可能性は低いです。9カ月で完成したOpenAIのJalapeñoは例外的であり、Broadcomの成熟した設計インフラと既存の製造関係に依存していましたが、Anthropicの社内チームには現在そのような利点はありません。

●Anthropicが独自のチップを構築するということは、Claudeのアーキテクチャが固定化されたということですか？

これが、チッププログラムの最も重要な暗黙の意味合いです。特定用途向け集積回路（ASIC）は特定のクラスの操作に最適化されており、製造後に根本的に再プログラムすることはできません。Claudeの計算パターンに合わせてチップを設計することを約束することで、Anthropicは、Claudeの基盤となるTransformerアーキテクチャ（特にそのAttention機構と行列乗算のワークロード）が、チップが設計コストを回収する前に陳腐化しない程度に安定し続けることに暗黙のうちに賭けています。これは、アーキテクチャに対する確信を示す強力なシグナルです。Claudeの機能が凍結されるわけではなく、コアとなる計算グラフが実質的に同じであれば、モデルに新機能を追加することは可能です。しかし、Transformer以降のパラダイムなど、アーキテクチャからの大きな逸脱には、さらに5億ドル以上を投じて新世代のチップを開発する必要があります。

元記事: Anthropic Confirms In-House Chip Team: Co-Design Bet Could Cut Claude Inference Costs in Half