#AnthropicTapsSamsungForAIchips

Anthropic construit sa propre puce IA et discute avec Samsung - La guerre de l'intégration verticale vient de gagner un nouveau combattant

Cette histoire est sortie discrètement cette semaine, mais les implications stratégiques pour l'ensemble de l'écosystème des semi-conducteurs IA sont énormes. Laissez-moi décomposer exactement ce qui se passe et pourquoi cela importe bien au-delà des simples décisions commerciales d'Anthropic.

Anthropic a lancé des travaux préliminaires sur des puces d'inférence IA auto-développées et est en pourparlers actifs avec Samsung Electronics concernant une potentielle collaboration de fabrication - en particulier le procédé 2nm de Samsung et sa technologie d'encapsulation avancée. Le projet est encore en phase de planification précoce, sans conception détaillée de puce ni calendrier de production de masse établi pour le moment. Mais le signal directionnel est indéniable.

Il ne s'agit pas d'Anthropic qui expérimente avec du matériel en tant que projet secondaire. L'entreprise a recruté Clive Chan ce mois-ci - un membre clé de l'équipe originale de puces personnalisées d'OpenAI, l'équipe exacte qui a construit l'initiative maintenant connue sous le nom de Projet Cobalt que Microsoft a intégrée dans ses centres de données Azure. Anthropic embauche les personnes qui ont déjà construit cela une fois pour un concurrent. C'est un type d'acquisition de talents très spécifique qui signale un véritable engagement plutôt qu'un intérêt exploratoire.

La logique stratégique derrière chaque grande entreprise d'IA construisant finalement son propre silicium est identique et convaincante. Actuellement, chaque appel d'inférence effectué sur Claude, GPT-5.6, Gemini et tous les autres modèles d'IA de pointe fonctionne sur des GPU Nvidia H100 ou H200 à environ 2 à 3 dollars de l'heure par puce. Lorsque vous exécutez des milliards de requêtes d'inférence par jour, ce coût est énorme et augmente avec chaque utilisateur.

Les puces d'inférence personnalisées conçues spécifiquement pour l'architecture de votre modèle peuvent fournir le même résultat à un coût par token nettement inférieur - les TPU de Google feraient fonctionner l'inférence Gemini 60% moins cher que le matériel Nvidia équivalent.

Les puces Trainium d'Amazon exécutent l'inférence Titan avec des économies similaires.

Le Projet Cobalt d'OpenAI permettrait déjà d'économiser des centaines de millions par an. L'avantage des TPU de Google se cumule chaque trimestre. Les puces MTIA de Meta - la même infrastructure dont Meta vend maintenant l'excédent de capacité - offrent une inférence rentable à grande échelle. Anthropic, en regardant ses concurrents tirer parti de ces économies tout en continuant à payer le prix fort Nvidia, crée une pression concurrentielle qui rend le silicium personnalisé non seulement attrayant mais nécessaire.

L'angle Samsung est fascinant et stratégiquement délibéré. TSMC fabrique des puces pour Apple, Nvidia, AMD et pratiquement tous les autres grands acteurs de l'IA - ce qui signifie qu'il existe une réelle concurrence de file d'attente pour la capacité de nœuds avancés chez TSMC pendant les périodes de pointe de la demande. Le procédé 2nm de Samsung et son emballage avancé sont des alternatives véritablement compétitives, et Samsung a activement poursuivi des relations de fabrication de puces avec les hyperscalers après avoir perdu du terrain face à TSMC ces derniers cycles. Un partenariat Anthropic-Samsung donnerait aux deux parties quelque chose qui leur manque actuellement - Anthropic obtient un accès à la fabrication sans concurrencer Nvidia pour les créneaux TSMC, Samsung obtient un client d'ancrage pour ses capacités de nœuds avancés exactement au moment où il doit démontrer sa viabilité face à TSMC.

La lecture croisée du marché importe pour les investisseurs qui surveillent les noms du matériel IA. Chaque entreprise de modèles IA qui réussit à internaliser les puces d'inférence est une entreprise qui réduit ses futurs achats de GPU Nvidia à la marge. Cela ne menace pas la domination de Nvidia dans les puces d'entraînement - l'entraînement des modèles de pointe nécessite encore l'écosystème CUDA de Nvidia et aucune puce personnalisée ne le reproduit aujourd'hui. Mais les puces d'inférence représentent le segment à la croissance la plus rapide des dépenses en calcul IA et c'est exactement le marché qu'Anthropic, OpenAI, Google et Meta ciblent tous simultanément avec du silicium personnalisé.

Pour Samsung spécifiquement, une relation de fabrication de puces confirmée avec Anthropic serait un signal positif majeur pour la seconde moitié de 2026 - particulièrement précieux compte tenu de la faiblesse récente du titre en raison des préoccupations plus larges de liquidation des semi-conducteurs.

La compétition IA s'est officiellement étendue des capacités des modèles à l'infrastructure matérielle. Les entreprises qui contrôlent leur propre silicium contrôlent leur économie unitaire à long terme. Anthropic vient de faire son mouvement dans cette direction.

Avec Anthropic qui se lance dans le développement de puces IA personnalisées via un partenariat potentiel avec Samsung après le Projet Cobalt d'OpenAI - pensez-vous que les entreprises de modèles IA construisant des puces d'inférence propriétaires finissent par éroder la domination de Nvidia à la marge, et cela rend-il Samsung un investissement plus intéressant qu'il n'y paraît compte tenu de la récente liquidation des semi-conducteurs ?

‍#GateSquare #AI @Gate_Square