Anthropic prepara su propio chip de inteligencia artificial para reducir su dependencia de Nvidia
Anthropic, la compañía responsable de los modelos Claude, está explorando el desarrollo de sus propios chips para inteligencia artificial. La empresa dirigida por Dario Amodei habría negociado inicialmente la compra de MatX, una startup especializada en el diseño de aceleradores de IA, por unos 7.000 millones de dólares.
Las conversaciones no habrían culminado en una adquisición. En su lugar, ambas compañías estarían valorando un acuerdo de colaboración que permitiría a Anthropic acceder a tecnología propia sin tener que construir desde cero toda la infraestructura necesaria para diseñar y fabricar sus procesadores.
El movimiento refleja una tendencia cada vez más extendida entre las grandes empresas de IA: desarrollar chips específicos para sus modelos y reducir la dependencia de las GPU de Nvidia. Estos procesadores dominan actualmente el entrenamiento y la ejecución de sistemas de inteligencia artificial, pero su elevado precio y disponibilidad limitada se han convertido en un problema estratégico.
Una carrera para controlar el hardware de la IA
Entrenar un modelo de inteligencia artificial requiere procesar enormes cantidades de datos durante semanas o meses. Para ello se utilizan aceleradores capaces de realizar muchas operaciones matemáticas en paralelo. Las GPU, diseñadas originalmente para gráficos, se han adaptado especialmente bien a este trabajo.
La inferencia es la fase en la que el modelo ya entrenado genera respuestas a las peticiones de los usuarios. Cada consulta a un chatbot, cada resumen y cada imagen creada exige capacidad de cálculo. Cuando el volumen de usuarios crece, el coste energético y económico de esta operación puede ser considerable.
Por su parte, el entrenamiento consiste en ajustar el modelo mediante grandes colecciones de datos para que aprenda a reconocer patrones y producir resultados útiles. Aunque ambas tareas utilizan hardware similar, sus necesidades no son exactamente las mismas. Por eso, un chip diseñado específicamente para una de ellas puede ofrecer más rendimiento y eficiencia que un procesador generalista.
Google cuenta con sus unidades TPU, siglas de Tensor Processing Unit, mientras que Meta desarrolla la familia MTIA, acrónimo de Meta Training and Inference Accelerator. OpenAI también ha comenzado a avanzar en esta dirección con Jalapeño, un chip orientado principalmente a la inferencia. Amazon y Microsoft, además, disponen de sus propios aceleradores para cargas de trabajo de IA.
Anthropic busca una alternativa a las GPU de Nvidia
La dependencia de Nvidia supone un riesgo para las compañías que necesitan ampliar continuamente su capacidad de cálculo. Sus GPU para centros de datos tienen una demanda muy superior a la oferta disponible en algunos periodos, y su precio puede elevar de forma significativa el coste de operar servicios de inteligencia artificial.
A esta situación se suman las limitaciones de la cadena de suministro. TSMC, uno de los principales fabricantes de chips avanzados del mundo, debe atender los pedidos de numerosos clientes tecnológicos. Cualquier retraso en la producción o en el suministro de componentes puede afectar a los planes de expansión de las empresas de IA.
Diseñar un acelerador propio permitiría a Anthropic controlar mejor sus costes y planificar con más precisión la capacidad necesaria para Claude. También le daría la posibilidad de adaptar la arquitectura del chip a sus modelos, en lugar de modificar el software para ajustarlo a un hardware creado para múltiples usos.
MatX aporta experiencia en chips especializados
Anthropic no partiría completamente de cero. MatX fue fundada en 2022 por Reiner Pope y Mike Gunter, dos antiguos ingenieros de Google que participaron en el desarrollo de sus TPU. Pope está especializado en software e infraestructura para modelos de lenguaje, mientras que Gunter cuenta con experiencia en el diseño de la lógica de aceleradores de IA.
La startup trabaja actualmente en un procesador pensado especialmente para el entrenamiento de modelos. Esta orientación puede haber despertado el interés de Anthropic, ya que buena parte de la industria está concentrando sus esfuerzos en chips para inferencia, la fase que sostiene el funcionamiento diario de los servicios de IA.
Un acelerador especializado incluye circuitos optimizados para ejecutar determinadas operaciones con mayor rapidez y menor consumo. En la práctica, esto puede traducirse en más respuestas por segundo, un uso más eficiente de la memoria y una reducción del gasto energético en los centros de datos.
Un proyecto caro y de largo recorrido
El desarrollo de un chip propio no es una tarea sencilla. Diseñar los circuitos, crear los prototipos, validar su funcionamiento y preparar la fabricación requiere años de trabajo y una inversión que puede alcanzar varios cientos de millones de dólares por generación.
Además, el diseño del procesador es solo una parte del proyecto. Anthropic tendría que desarrollar compiladores, controladores y herramientas que permitan a sus ingenieros trasladar los modelos Claude al nuevo hardware. Sin este ecosistema de software, un chip potente no podría competir eficazmente con las soluciones consolidadas de Nvidia.
La compañía también ha incorporado recientemente a Amir Salek, un veterano del diseño de chips que dejó Google en 2022 y que posteriormente trabajó para Cerberus Capital Management. Su fichaje refuerza la idea de que Anthropic está creando capacidades internas para controlar una parte cada vez mayor de su infraestructura tecnológica.
El posible acuerdo con MatX todavía no estaría cerrado, pero la dirección estratégica parece clara: Anthropic quiere asegurarse un suministro más estable de aceleradores, reducir el coste de ejecutar Claude y diseñar hardware adaptado a sus necesidades. La apuesta confirma que la competencia en inteligencia artificial ya no se libra únicamente en los modelos, sino también en los chips que los hacen posibles.
