NEGOCIO
Anthropic quiere desarrollar sus propios chips de IA y estudia un acuerdo con MatX para reducir su dependencia de Nvidia
Anthropic quiere diseñar aceleradores de IA para entrenar Claude y reforzar la inferencia, con la idea de rebajar costes y dependencia de las GPU de Nvidia. Según Reuters, ha considerado comprar MatX por unos 7.000 millones de dólares y ahora valora una asociación. La estrategia sigue la senda de OpenAI (Jalapeño), Google (TPU) y Meta (MTIA).
Qué ha ocurrido
Anthropic busca desarrollar sus propios chips de IA para entrenar sus modelos Claude y atender la inferencia, con el objetivo de reducir costes y la dependencia de las GPU de Nvidia, cuya disponibilidad fluctúa por las dificultades de TSMC para cubrir la demanda. Según Reuters, estudió comprar MatX por unos 7.000 millones de dólares y ahora sopesa asociarse. MatX, fundada en 2022 por exingenieros de TPU de Google, diseña un acelerador centrado en entrenamiento. Además, Anthropic ha fichado esta semana a Amir Salek, veterano del diseño de chips.
Qué significa para creadores
Si Anthropic avanza con silicio propio, podría traducirse en servicios más estables en disponibilidad y rendimiento de Claude, y potencialmente menos exposición a la volatilidad de precios o cupos de uso; no obstante, es un desarrollo caro y lento, por lo que el impacto será progresivo. Un chip de entrenamiento como el que trabaja MatX facilitaría iteraciones más rápidas de Claude; si el acuerdo no prospera, los cambios tardarán más. Para creadores, conviene vigilar posibles mejoras en latencia, límites de uso, y la llegada de nuevas capacidades en Claude.
Fuente y contexto
Información de Xataka, que cita a Reuters respecto a las conversaciones con MatX. La tendencia del sector es clara: Google ya opera TPU 8t/8i; Meta impulsa su línea MTIA (incluido MTIA 300); Amazon y Microsoft tienen aceleradores propios, y OpenAI lanzó Jalapeño para inferencia. Desarrollar una generación de chips de IA cuesta varios cientos de millones de dólares, en un mercado tensionado por la demanda de GPU de Nvidia.
