Anthropic diseña chips para Claude: no es stack completo, es margen en producción

El Cuñado ya tiene el titular listo

El Cuñado dice: "Bro, Anthropic se hace sus propios chips. Se liberan de Nvidia, controlan todo el stack y en dos años Claude corre en silicio casero baratísimo. Google lo hizo con TPU, OpenAI con Jalapeño, ahora toca. Full vertical integration, baby."

La realidad es: Anthropic ha confirmado a TechCrunch que monta un equipo interno para diseñar chips de IA a medida y busca un socio de fabricación. No va a fabricar. Mantiene los acuerdos con AWS, Google, Nvidia y AMD. Y del chip de OpenAI con Broadcom (Jalapeño) ya sabemos el patrón real: es de inferencia, no toca el entrenamiento, y su promesa es bajar el coste de servir el modelo, no reinventar la física del datacenter.

Por qué importa saberlo: porque confundir "dibujar el die" con "tener el stack" es el atajo mental que convierte una decisión de contabilidad de producción en epopeya de independencia tecnológica. Y luego la gente toma decisiones de proveedor, de presupuesto y de roadmap creyendo un cuento que no cuadra con lo que hay sobre la mesa.

Business Insider lo contó primero. Anthropic lo confirmó después a TechCrunch. Europa Press recogió el mismo movimiento: equipo interno, chips para Claude, demanda al alza. Varias confirmaciones del mismo hecho estrecho. Eso no es un whitepaper de arquitectura. Es una señal de contratación y de intención de co-diseño.

Qué ha dicho Anthropic de verdad (y qué no)

El dato verificable

Anthropic está formando un equipo interno de diseño de chips de IA. El plan, según la compañía a TechCrunch, es co-diseñar hardware y modelos para ir más rápido y gastar menos a medida que crece la demanda de Claude. No planea fabricar los chips: busca un partner de manufactura. The Information había contado el mes anterior que exploraban Samsung como posible foundry; TechCrunch lo recoge como exploración, no como contrato firmado. Hay ofertas de empleo pidiendo gente con experiencia en diseño de chips para un "custom silicon team". Eso sitúa el proyecto en fase temprana: estás fichando cerebro de silicio, no inaugurando una línea en Taiwán.

Y el matiz que mata el cuento del Cuñado: pese a meterse a diseñar silicio propio, Anthropic mantiene acuerdos de compute con AWS, Google, Nvidia y AMD. Los chips custom, si llegan, complementan. No sustituyen la infraestructura existente por decreto de rueda de prensa.

Ahí se acaba el territorio de los hechos firmes. No hay cronograma público. No hay promesa numérica de coste o eficiencia firmada por Anthropic. No han detallado si el chip irá a entrenamiento, a inferencia o a un mix. El socio fabricante sigue sin estar cerrado en público. Todo lo demás es lectura. Y la lectura hay que etiquetarla como lectura, no como filtración divina.

Jalapeño: el espejo que ya tenemos (y que nadie quiere mirar del todo)

Cuando OpenAI enseñó Jalapeño con Broadcom, el mercado hizo lo de siempre: traducir "chip propio" por "nos independizamos de Nvidia y controlamos el destino".

Luego lees el detalle y se te cae el mito al suelo.

Jalapeño es un chip de inferencia. Punto. Cargas de trabajo de servir el modelo ya entrenado: tokens de salida, latencia, coste por millón de tokens en producción. No es el motor con el que te comes meses de preentrenamiento a escala frontera. El patrón que deja es brutal de claro y lo dice TechCrunch al enmarcar la noticia de Anthropic: los custom AI chips suelen apuntar a tareas concretas, no a reemplazar el stack entero.

Traducido a dinero de barra de bar: si sirves Claude (o GPT, o lo que sea) a millones de usuarios, la factura que te sangra mes a mes no es solo "¿tengo H100?". Es "¿cuánto me cuesta cada token que sale por la API cuando el modelo ya está hecho?". Un silicio pensado solo para esa fase puede recortar margen de forma seria (hablamos, en la lectura que hacemos del movimiento tipo Jalapeño, de un orden de magnitud de hasta un 50% menos de coste sirviendo frente a GPUs generalistas de Nvidia en ese tramo concreto). El entrenamiento, la parte que te come megavatios, meses de calendario y reservas de cluster, sigue viviendo en otro planeta de hardware.

Eso no es menor. Es enorme para el P&L de un lab que factura por uso. Pero es margen en producción, no soberanía industrial.

Co-diseñar un chip de inferencia te da puntos de margen cuando el modelo ya existe. No te regala la fábrica, ni los megavatios, ni el calendario de entrenamiento frontera.

Si lees la movida de Anthropic con las gafas de Jalapeño en vez de con las gafas del Cuñado, el anuncio encaja sin magia: demanda de Claude subiendo, coste de servir subiendo con ella, equipo de silicio para apretar esa parte del embudo. El resto es fanfic de "stack completo".

Co-diseñar no es fabricar (y fabricar no es tener luz)

Hay tres capas que la gente aplasta en una sola palabra ("chip propio") y por eso se monta el circo.

Capa 1: diseño. Arquitectura, ISA a medida si la hay, datapaths pensados para las formas del modelo (atención, cuantización, tamaños de batch que de verdad usa Claude en prod), memoria on-package, interconnect. Aquí es donde Anthropic dice que quiere estar: co-diseño hardware-modelo. El modelo deja de ser "lo que Eso puede dar eficiencia real. También es donde estás fichando ingenieros ahora, según el job listing que recoge TechCrunch.

Capa 2: fabricación. El foundry. Samsung, TSMC, quien sea. Máscaras, nodos, yields, colas de producción, contratos de capacidad a años vista. Anthropic ha dicho explícitamente que no va a fabricar. Busca partner. Samsung apareció en el radar de The Information como exploración; no hay confirmación oficial de cierre. Quien diga "Anthropic fabrica sus chips" miente o no ha leído.

Capa 3: energía, building y operación. Megavatios, refrigeración, red, scheduling, flotas heterogéneas, regionals, colas de entrenamiento frente a flotas de serving. Esto no te lo resuelve un GDSII bonito. Te lo resuelven contratos de datacenter, subestaciones, y años de relación con hyperscalers. Por eso tiene sentido de contable que Anthropic mantenga AWS, Google, Nvidia y AMD aunque dibuje silicio: el silicio propio no te teletransporta capacidad cuando Claude se pone viral un martes.

El Cuñado aplasta las tres capas y grita "independencia". Un operador de infra ve tres problemas distintos y tres plazos distintos. Diseñar te puede dar ventaja en el die. No te da la cola de la foundry ni el transformador de la subestación.

Si te suena el eco de otras promesas de infra "que lo cambian todo" sin métrica de ingeniería detrás, es el mismo género literario: titular gordo, física y contratos en letra pequeña. Ya vimos versiones de ese género en planes de datacenters orbitales y en candidaturas de gigafactoría sin una sola métrica seria. El patrón es viejo. Solo cambia el logo del comunicado.

Por qué el multichip no se toca (aunque el org chart sí)

Mira la lista otra vez: AWS, Google, Nvidia, AMD. Y encima, a medio plazo, silicio propio co-diseñado. Eso no es indecisión. Es la forma adulta de no suicidarte en un solo vendor cuando tu producto es un modelo frontera con demanda que no controlas del todo.

Razones frías, sin romance:

• Entrenamiento y serving no piden lo mismo. Un cluster de entrenamiento quiere throughput de all-reduce, memoria de alto ancho de banda y calendarios de meses. La inferencia quiere latencia, coste por token, elasticidad y a veces localidades distintas. Un solo die mágico que sea óptimo en los dos mundos es el unicornio que todo el mundo dibuja en la pizarra y nadie entrega en volumen con números públicos.
• La capacidad se compra en mercados distintos. Reserva de GPU Nvidia en un cloud no se intercambia 1:1 por wafers de tu ASIC dentro de dieciocho meses. Son tuberías paralelas. Cortar una porque "ya diseño yo" es de libro de cómo quedarte sin product en mitad de un pico de uso.
• El riesgo de ejecución del silicio custom es brutal. Primera generación de un ASIC de IA: tools, software stack, compiladores, kernels, bugs de silicio, yields, drivers, integración con el serving real de Claude. Mientras eso madura, necesitas el plan B (y el C) encendidos. Por eso "complementa, no reemplaza" no es frase de relations públicas: es plan de supervivencia.
• El modelo se mueve más rápido que el chip. Claude no se congela dos años a esperar un tape-out. Co-diseñar ayuda a alinear, pero el ciclo del modelo (datos, arch, post-training, product) sigue siendo más corto que el ciclo del silicio serio. Multichip te deja no apostar el lab entero a que el die salga redondo a la primera.

Quien venda "Anthropic abandona Nvidia/AMD/los clouds" está inventando un final que la propia compañía no ha escrito. Lo que ha escrito es lo contrario: silicio propio y los deals de siempre.

Eso, por cierto, también es la antítesis del vendor lock-in de modelo contado al revés: aquí el lab se protege de quedarse preso de una sola tubería de compute, no el cliente preso de un solo API. Misma lógica de no poner todo en un cable. Distinto lado de la mesa.

Qué te compra de verdad el silicio a medida (sin inventar benchmarks)

Anthropic no ha publicado cifras de mejora. Así que no vamos a inventar un "3× de Nvidia" de cartón piedra. Lo que sí se puede decir, con la cabeza fría y el precedente de Jalapeño encima de la mesa, es en qué partidas suele cobrar valor un custom chip de este tipo cuando se hace bien.

1. Coste por token servido. Si el die está pensado para las formas reales del modelo en producción (anchos, cuantización, tamaños de contexto que de verdad se usan, batch patterns de la API), dejas de pagar por silicona genérica sobrada en unidades que no tocas. Ahí es donde la lectura tipo Jalapeño (inferencia, orden del 50% menos sirviendo frente a GPU generalista) se vuelve interesante para el CFO. No es "más inteligencia". Es "la misma inteligencia, más barata de empujar a la gente".

2. Densidad y vatios en la bandeja de serving. Menos julios por token en la flota que atiende usuarios. Eso no sustituye negociar megavatios para entrenar el siguiente salto de escala. Aprieta la parte del datacenter que escala con el número de conversaciones, no con el número de runs de pretrain.

3. Co-diseño modelo-hardware de verdad. Si el equipo de modelo y el de silicio se hablan, puedes tomar decisiones de arquitectura (por ejemplo, cómo partís expertos, cómo movéis KV cache, qué precisión usáis dónde) sabiendo el coste real en el die. Eso es ventaja de lab integrado. No es magia. Es menos fricción entre el PowerPoint del researcher y el floorplan del chip.

4. Margen y pricing power a medio plazo. Si sirves más barato sin bajar calidad percibida, o bien ganas margen, o bien puedes competir más agresivo en precio de API, o ambas cosas a ratos. Otra vez: P&L de producción. No himno nacional del silicio soberano.

Lo que no te compra, aunque el titular lo grite:

• Una foundry propia.
• Independencia energética.
• Un calendario de entrenamiento frontera desacoplado de Nvidia/AMD/clouds.
• La garantía de que el primer die va a batir a la GPU de turno en un benchmark público que nadie ha visto porque no existe.

Quien afirme hoy que "el chip de Anthropic superará a Nvidia" está haciendo ciencia ficción con logo de empresa. No hay números. No hay paper. No hay demo. Hay un equipo en hiring mode.

El cuello de botella real no se arregla con el polígono del die

Aquí va la tesis que vertebra todo esto, sin anestesia.

El cuello de botella de los labs frontera en 2026 no es "nos falta un logo en la esquina del wafer". Es una suma de cosas más feas y más lentas de mover:

• Energía y permisos. Conectar cientos de megavatios no es un PRD de hardware. Es política local, red eléctrica, refrigeración y años.
• Capacidad de foundry y de packaging avanzado. Aunque dibujes el mejor accelerator del mundo, compites por los mismos nodos punteros y por el mismo advanced packaging que el resto del planeta IA.
• Software stack y madurez operativa. Un ASIC sin kernels, sin compilador decente, sin observabilidad y sin años de cicatrices en producción es un pisapapeles muy caro. Las GPUs de Nvidia no solo ganan por FLOPS: ganan por CUDA, por el conjunto de herramientas y por el hecho de que todo el mundo ya sabe cómo no matar el cluster un domingo.
• Datos, research y producto. El modelo bueno sigue saliendo de gente, datos, experimentos y criterio. El chip acelera o abarata un tramo. No sustituye al lab.
• Capital y calendario. Diseñar, fabricar, traer up, integrar y solo entonces ver el ahorro a escala es un juego de años y de miles de millones. Mientras tanto, la demanda de Claude se atiende con lo que hay: clouds y GPUs de los de siempre.

Por eso "equipo de custom silicon" es una decisión racional de margen y de control táctico sobre el coste de servir, no la llave mística del stack completo. Anthropic hace lo coherente con un lab cuya factura de inferencia se vuelve material: co-diseña, externaliza fabricación, no quema los puentes con AWS, Google, Nvidia y AMD.

El Cuñado oye "chips propios" y ve una bandera en la Luna. Un director de infra oye lo mismo y ve una línea más en el roadmap de coste por token, con un cono de incertidumbre enorme y un plan B encendido.

Cómo leer este anuncio sin tragar humo

Lista corta de higiene informativa, para no volver a caer en la cena de Navidad:

1. Separa diseño, foundry y megavatios. Si el texto los mezcla, desconfía.
2. Pregunta entrenamiento vs inferencia. Si no está dicho, no lo asumas. Con Anthropic, hoy, no está dicho.
3. Mira si se cancelan contratos. Aquí no: se mantienen AWS, Google, Nvidia, AMD. Eso delimita el alcance mejor que cualquier adjetivo de "revolucionario".
4. Exige números o cállate la epopeya. Sin coste por token, sin vatios por token, sin timeline, sin benchmark, lo que tienes es intención y hiring. Suficiente para tomárselo en serio como señal. Insuficiente para cantar victoria.
5. Usa Jalapeño como ancla, no como evangelio. Mismo género de movimiento (custom, partner de silicio, foco en tramo concreto). No copies cifras de un chip a otro como si fueran clones; copia el tipo de promesa: tarea específica, no stack entero.
6. Desconfía del "full stack" de salón. Full stack de verdad sería diseño + foundry + energía + software + flota + modelo. Nadie de los grandes está en las cinco a la vez sin partners. Google con TPU sigue viviendo en el universo de datacenters y supply chain más gordo del mundo. No es un garaje con un plotter de máscaras.

Desmontaje final, sin moraleja de poster

El Cuñado dice: Anthropic se hace el stack y se libra de Wall Street, de Nvidia y de los clouds.

La realidad es: Anthropic ficha diseño de silicio, busca foundry, confirma a TechCrunch el co-diseño hardware-modelo para un Claude con más demanda, y deja intactos los deals con AWS, Google, Nvidia y AMD. Jalapeño ya enseñó el molde dominante del custom actual: inferencia, coste de servir, entrenamiento aparte. El 50% menos sirviendo, cuando llega, es victoria de margen. No es independencia geopolítica del watt.

Por qué importa saberlo: porque si construyes tu tesis de inversión, tu roadmap de producto o tu discurso de "soberanía" sobre un die que todavía está en fase de job listing, vas a tomar decisiones con un mapa que no corresponde al territorio. El territorio dice: margen en producción, partners de fabricación, flotas heterogéneas, y los mismos cuellos de botella de siempre (luz, foundry, software, capital) mirándote desde fuera del CAD.

Dibujar el chip es el capítulo fácil de explicar en un titular. Lo difícil sigue sin caber en el titular.

Preguntas frecuentes

¿Anthropic va a fabricar sus propios chips para Claude?

No. Anthropic ha confirmado que diseñará silicio a medida y buscará un socio de fabricación; no planea manufacturar en casa. TechCrunch recoge además que mantiene acuerdos de compute con AWS, Google, Nvidia y AMD, así que el custom complementa la infra actual. Samsung apareció solo como exploración reportada por The Information, sin confirmación oficial de contrato.

¿El chip de Anthropic servirá para entrenar y para inferencia?

No está dicho. La compañía habla de co-diseñar hardware y modelos para más eficiencia ante la demanda de Claude, sin especificar si el die cubrirá entrenamiento, inferencia o ambos. El precedente público más cercano, Jalapeño de OpenAI con Broadcom, es solo de inferencia. Asumir "stack completo" de entrenamiento más serving es leer lo que no han publicado.

¿Anthropic deja de depender de Nvidia, AMD y los clouds?

No hay anuncio de abandono. La propia confirmación a TechCrunch indica que, aun diseñando silicio propio, mantiene los deals con AWS, Google, Nvidia y AMD. Eso encaja con chips custom como pieza más de un multichip, no como sustituto total. Cortar esas tuberías antes de tener flota propia madura sería un riesgo operativo absurdo.

¿Cuándo sale el chip de Anthropic y cuánto mejorará el coste?

No hay fecha pública ni cifras de coste o eficiencia publicadas por Anthropic. El proyecto está en etapa temprana: hay equipo en formación y ofertas para ingenieros de diseño de chips. Cualquier porcentaje de ahorro o promesa de rendimiento frente a Nvidia u otros, hoy, sería especulación, no dato de la compañía.