曾任 OpenAI 定制芯片项目第二号硬件员工的 Clive Chan 已正式加盟其头号竞争对手 Anthropic。这一关键的人事变动发生在一场微妙的时间节点上——两家顶尖 AI 独角兽都在积极筹备 IPO，而 Anthropic 也在被曝出正考虑开发自己的专属 AI 芯片。
Chan 在社交媒体上公开表示，他为曾是 OpenAI 芯片团队的一员感到自豪，并盛赞该团队拥有“无可比拟的硬件人才密度”。他甚至认为，该团队研发的芯片未来将成为“实现 AGI（通用人工智能）最核心的引擎之一”。尽管原团队实力强劲，Chan 依然选择投奔 Anthropic。在此之前，他曾深入参与了 OpenAI 与 Broadcom（博通）的定制芯片战略合作，尽管该合作因生产成本和信用问题屡遭波折。
目前尚不清楚 Anthropic 聘请 Chan 是为了从零开始设计定制芯片，还是为了优化现有硬件的软件效率。Chan 在 LinkedIn 上的职位描述颇具暗示性——“每皮焦耳的困惑度”（perplexity per picojoule）。“困惑度”是衡量语言模型预测文本能力的常用指标，而“皮焦耳”是微小的能量单位。这意味着他的核心任务是榨干每一单位能量，以换取极限的模型性能。这既可以通过在现有的 GPU 和 TPU 上进行软件层面的精细优化来实现，也可以通过自研专用集成电路（ASIC）来完成。
据路透社报道，Anthropic 正在评估设计自研 AI 芯片的可行性，以追赶 OpenAI 和 Meta 的步伐。截至 2026 年初，该计划仍处于早期阶段，尚未组建专门的研发团队。Chan 的加入无疑将加速这一进程。目前，Anthropic 的 Claude 模型主要在谷歌的 TPU 和亚马逊的定制芯片上运行。近期，该公司还与 Google 及 Broadcom 签署了长期合作协议，作为其在美国计算机基础设施领域投资 500 亿美元承诺的一部分。对于推理端（Inference）而言，专为自身模型量身定制的芯片不仅能极大提升运行效率，更能随着时间推移显著改善利润率，在 AI 竞争从“科学突破”转向“基建拼杀”的当下，这一点至关重要。
在 2024 年 1 月加入 OpenAI 之前，Chan 曾在特斯拉（Tesla）的 Autopilot 自动驾驶部门工作了两年半。期间，他专注于用于机器学习训练的定制芯片研发，主要负责软件框架构建、数据中心协同设计以及超低功耗数值格式的开发。
随着大模型向 AI Agent（智能体）生态深度演进，行业的竞争焦点已悄然从‘单次训练规模’转向‘高频实时推理’。Agent 的多步骤规划、工具调用以及反思机制，要求底层算力必须具备极高的响应速度与极低的边际能耗。Clive Chan 倡导的‘每皮焦耳的困惑度’正是 Agent 时代算力效率的终极体现。横向对比来看，拥有自研芯片能力的 Google (TPU) 和 Meta (MTIA) 已在 Agent 部署成本上构建起宽阔的护城河。Anthropic 此次挖角，不仅是为了摆脱对第三方云厂商芯片的过度依赖，更是为了其未来的 Computer Use 等高能耗 Agent 应用铺平道路。自研芯片与底层软件栈的深度协同，将使 AI Agent 得以摆脱高昂的算力枷锁，真正走向低成本、大规模的商业化普及，这也将深刻重塑整个生成式 AI 算力链条的势力版图。
