Anthropic forma equipo para diseñar sus propios chips de inteligencia artificial
Anthropic anunció que está formando un equipo interno de ingenieros para diseñar chips personalizados que mejoren el rendimiento y la eficiencia energética de Claude, integrándose así a la competencia de las grandes tecnológicas por hardware propio.
- Anthropic contratará ingenieros especializados en hardware y software para desarrollar semiconductores personalizados optimizados para Claude
- Estrategia de múltiples proveedores: empresa mantendrá uso de infraestructura de AWS, Google, Nvidia y AMD mientras desarrolla propio silicio
- Gigantes como Google, Amazon, Meta, Microsoft y OpenAI ya desarrollan chips propios; Anthropic ahora se suma a esta tendencia
Anthropic, la empresa detrás del modelo de inteligencia artificial Claude, confirmó que está formando un equipo interno para diseñar semiconductores personalizados. El movimiento busca responder a la creciente demanda de capacidad de cómputo y reducir su dependencia de proveedores externos.
La compañía informó que contratará ingenieros especializados en hardware y software para desarrollar chips optimizados para ejecutar sus modelos de inteligencia artificial. El objetivo es que el diseño del hardware y de Claude evolucionen de forma conjunta, con la intención de mejorar el rendimiento, la eficiencia energética y la capacidad de escalar los servicios conforme aumenta el número de usuarios.
Anthropic dejó claro que fabricar sus propios chips no significa abandonar a sus socios actuales. La empresa aseguró que mantendrá una estrategia de múltiples proveedores y continuará utilizando infraestructura basada en procesadores de Amazon Web Services (AWS), Google, Nvidia y AMD para entrenar e inferir sus modelos de IA.
Durante los primeros años del boom de la inteligencia artificial generativa, el acceso a los procesadores de Nvidia fue suficiente. Sin embargo, el rápido crecimiento de la demanda elevó los costos y provocó escasez de hardware especializado. Las compañías comenzaron a invertir en chips diseñados para sus propias cargas de trabajo, permitiendo optimizar el consumo de energía, mejorar el desempeño de tareas concretas y reducir la dependencia de un solo proveedor.
Google desarrolla desde 2016 sus Tensor Processing Units para servicios de IA; Amazon cuenta con la familia Trainium e Inferentia para AWS; Meta trabaja en aceleradores propios para sus modelos Llama, mientras que OpenAI también avanza en silicio personalizado. Aunque diseñar un chip propio puede representar inversiones de cientos de millones de dólares y varios años de desarrollo, las grandes empresas de IA consideran que controlar su infraestructura será una ventaja competitiva decisiva, según reportó Expansión.
Este artículo fue redactado con asistencia de IA a partir de fuentes públicas y está sujeto a revisión editorial de Ahora.
