#AnthropicTapsSamsungForAIchips

Anthropic construit sa propre puce IA et discute avec Samsung - La guerre de l'intégration verticale vient d'accueillir un nouveau combattant
Cette histoire est tombée discrètement cette semaine, mais les implications stratégiques pour tout l'écosystème des semi-conducteurs IA sont énormes. Laissez-moi détailler exactement ce qui se passe et pourquoi cela dépasse largement les 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 pour une éventuelle collaboration de fabrication - notamment le procédé 2nm de Samsung et sa technologie d'encapsulation avancée. Le projet en est encore à la phase de planification initiale, sans conception détaillée de puce ni calendrier de production de masse établi pour l'instant. Mais le signal directionnel est indéniable.
Il ne s'agit pas d'une expérimentation matérielle en tant que projet parallèle pour Anthropic. L'entreprise a recruté Clive Chan ce mois-ci - un membre clé de l'équipe originale de puces sur mesure d'OpenAI, l'équipe exacte qui a construit l'initiative désormais 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 engagement réel plutôt qu'un intérêt exploratoire.
La logique stratégique derrière le fait que chaque grande entreprise d'IA finisse par construire ses propres puces est identique et impérieuse. Actuellement, chaque appel d'inférence effectué sur Claude, GPT-5.6, Gemini et tout autre modèle d'IA de pointe fonctionne sur des GPU Nvidia H100 ou H200, à environ 2 à 3 dollars par heure et par puce. Lorsque vous traitez des milliards de requêtes d'inférence par jour, ce coût est énorme et augmente avec chaque utilisateur.
Les puces d'inférence sur mesure, conçues spécifiquement pour l'architecture de votre modèle, peuvent fournir le même résultat avec un coût par token considérablement réduit - les TPU de Google feraient fonctionner l'inférence de Gemini 60% moins cher que le matériel Nvidia équivalent.
Les puces Trainium d'Amazon font fonctionner l'inférence de 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 s'accroît chaque trimestre. Les puces MTIA de Meta - la même infrastructure dont Meta vend désormais l'excédent de capacité - offrent une inférence rentable à grande échelle. Anthropic, qui voit ses concurrents tirer parti de ces économies tout en continuant à payer le plein tarif Nvidia, subit une pression concurrentielle qui rend le silicium sur mesure non seulement attractif mais nécessaire.
L'aspect 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 dans la file d'attente pour la capacité des nœuds avancés chez TSMC pendant les périodes de pic de demande. Le procédé 2nm et l'encapsulation avancée de Samsung sont des alternatives véritablement compétitives, et Samsung a activement recherché des relations de fabrication de puces avec les hyperscalers après avoir perdu du terrain face à TSMC lors des cycles récents. Un partenariat Anthropic-Samsung donnerait aux deux parties ce qui leur manque actuellement - Anthropic obtiendrait un accès à la fabrication sans concurrencer Nvidia pour les créneaux TSMC, Samsung obtiendrait un client d'ancrage pour ses capacités de nœuds avancés exactement au moment où il a besoin de démontrer sa viabilité face à TSMC.
La lecture croisée du marché compte pour les investisseurs qui suivent les valeurs du matériel IA. Toute entreprise de modèles d'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 sur les puces d'entraînement - l'entraînement des modèles de pointe nécessite toujours l'écosystème CUDA de Nvidia et aucune puce sur mesure 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 sur mesure.
Pour Samsung en particulier, une relation de fabrication de puces confirmée avec Anthropic serait un signal positif majeur pour la deuxième moitié de 2026 - particulièrement précieux étant donné la faiblesse récente de l'action due aux inquiétudes plus larges liées à la vente de semi-conducteurs.
La compétition dans l'IA s'est officiellement étendue des capacités des modèles à l'infrastructure matérielle. Les entreprises qui contrôlent leur propre silicium contrôlent leurs économies d'échelle à long terme. Anthropic vient de faire son mouvement dans cette direction.
Alors qu'Anthropic se lance dans le développement de puces IA sur mesure via un partenariat potentiel avec Samsung suite au Projet Cobalt d'OpenAI - pensez-vous que les entreprises de modèles d'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 vente de semi-conducteurs ?
‍#GateSquare #AI @Gate_Square