公众号记得加星标⭐️，第一时间看推送不会错过。

在这条个人动态中，Clive Chan表示，自己很自豪曾参与OpenAI的custom chip program，也感谢一路共事和学习的团队成员。他提到，OpenAI芯片团队的硬件人才密度“非常惊人”，并认为很难找到比这更强的芯片设计团队。按照他的说法，从2.4年前成为OpenAI第二位硬件招聘员工，到如今离开，这是一段“疯狂的旅程”。他也表示，期待看到这些芯片成为推动AGI发展的重要引擎之一。

不过，Clive Chan同时表示，自己始终难以摆脱“从山脚重新攀登一座新山峰”的吸引力。因此，他选择加入Anthropic。他称，Anthropic团队的人才、价值观和雄心给他留下了深刻印象，而入职后的几天里，团队的节奏和强度也让他感到振奋。

Clive Chan并不是普通的硬件工程师。根据其个人主页信息，目前他的身份已经显示为“perplexity per picojoule @ anthropic”，这一表述也暗示其工作方向仍与AI计算能效密切相关。

从履历来看，Clive Chan此前曾深度参与AI芯片和机器学习基础设施相关工作。Data Center Dynamics在2024年1月的报道中提到，Clive Chan当时从Tesla Dojo团队离职并加入OpenAI；在Tesla期间，他曾在Autopilot深度学习基础设施团队担任高级软件工程师，并参与机器学习训练ASIC、软件框架搭建、数据中心协同设计以及高能效数值格式等方向。

这次跳槽之所以受到关注，是因为它发生在大模型公司加速争夺底层算力控制权的关键阶段。

OpenAI已经明确走向自研芯片路线。根据OpenAI与Broadcom此前发布的官方公告，双方宣布合作部署10GW级别的OpenAI自研AI加速器。公告显示，OpenAI将负责设计AI加速器和系统，Broadcom则参与开发和部署，相关机架系统计划从2026年下半年开始部署，并在2029年底前完成。OpenAI方面还表示，通过设计自己的芯片和系统，可以把前沿模型和产品开发中积累的经验直接嵌入硬件之中。

Clive Chan在个人动态中提到的“这些芯片将成为AGI的重要引擎之一”，也正对应了OpenAI正在推进的这条自研硬件路线。

Anthropic同样在加速补齐算力拼图。根据Anthropic官方信息，其算力策略采取多平台路线，主要使用Google TPU、Amazon Trainium和NVIDIA GPU三类芯片平台，以支持Claude模型的持续迭代。Anthropic还曾宣布扩大Google Cloud TPU使用规模，计划使用最高达100万颗TPU，并称这一扩展将带来超过1GW的算力容量。

同时，Anthropic也被曝正在评估自研芯片。路透社在2026年4月报道称，Anthropic正在探索设计自有AI芯片的可能性，但相关计划仍处于早期阶段，公司尚未确定具体设计，也尚未组建专门团队，未来仍可能选择继续采购外部芯片，而不是推进自研。

此外，据路透社相关报道，Broadcom还与Google、Anthropic达成合作，Anthropic将从2027年开始获得约3.5GW基于Google AI处理器的算力容量。也就是说，Anthropic当前的路径并不是单一押注自研芯片，而是在外部云算力、Google TPU、AWS Trainium、NVIDIA GPU以及潜在自研芯片之间，构建更分散的算力供应体系。

因此，Clive Chan从OpenAI转投Anthropic，未必意味着Anthropic自研芯片项目已经正式启动，但至少释放出一个信号：大模型公司的竞争正在从模型参数、产品体验和开发者生态，进一步延伸到芯片、网络、集群、能效和供应链控制权。

过去两年，NVIDIA GPU仍是AI训练与推理基础设施的核心。但随着模型公司对算力成本、供应稳定性和推理效率的要求不断提高，自研芯片正在成为头部AI公司的战略选项。OpenAI、Anthropic、Google、Meta等玩家的动作表明，未来的AI竞争，已经不只是“谁的模型更强”，更是“谁能更高效、更稳定、更低成本地生产智能”。

Clive Chan的这次流动，也让外界再次看到：AI时代最稀缺的资源，不只有GPU和电力，还有真正懂模型、懂系统、也懂芯片的人。

（来源：综合自网络 ）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4430内容，欢迎关注。

★

★

★

★

★

★

★

★

加星标⭐️第一时间看推送

求分享

求推荐