Anthropic переманила у OpenAI одного из первых инженеров по кастомным чипам

Один из первых инженеров чипового направления OpenAI переходит в Anthropic — главного конкурента своего бывшего работодателя. Клайв Чан, по его собственным словам, был вторым аппаратным сотрудником в программе кастомных чипов OpenAI, и теперь его знания и опыт достанутся компании, которая, по данным Reuters, всерьёз рассматривает запуск собственного чипового производства.

Переход происходит в критический момент: обе компании — и OpenAI, и Anthropic — движутся к IPO, а конкуренция за аппаратную независимость от Nvidia становится одним из ключевых стратегических направлений в индустрии.

Что Чан делал в OpenAI — и почему это важно

В своём публичном посте Чан тепло отозвался о команде, которую покидает. По его словам, «плотность аппаратных талантов» там была исключительной, а разрабатываемые чипы станут «одним из важнейших двигателей AGI». Тем не менее, несмотря на очевидно высокую оценку команды, он выбрал переход к конкуренту.

До прихода в OpenAI в январе 2024 года Чан около двух с половиной лет проработал в подразделении Autopilot компании Tesla. Там он занимался кастомным чипом для ML-обучения: отвечал за запуск программных фреймворков, совместное проектирование дата-центров и энергоэффективные форматы числовых вычислений. Иными словами, речь идёт о специалисте с редкой экспертизой на стыке аппаратного и программного уровней.

В OpenAI Чан участвовал в разработке кастомных чипов с нуля, а также был вовлечён в стратегическое партнёрство с Broadcom. Это партнёрство, по имеющимся данным, столкнулось с трудностями — из-за производственных издержек и вопросов к кредитоспособности OpenAI.

Что означает его роль в Anthropic

Описание позиции Чана в LinkedIn — «perplexity per picojoule» — намеренно двусмысленно. Perplexity — стандартная метрика качества языковых моделей, показывающая, насколько точно модель предсказывает текст. Пикоджоуль — ничтожно малая единица энергии. Вместе они описывают задачу: выжать максимум производительности модели из каждой единицы потреблённой энергии.

Достичь этого можно двумя путями: оптимизировать программный стек под существующие GPU и TPU — или создать кастомный кремний, заточенный под архитектуру моделей Anthropic. Какой именно путь выбрала компания для Чана — пока неизвестно. Но сам факт найма говорит о том, что вопрос уже не теоретический.

Согласно апрельскому отчёту Reuters, Anthropic изучает возможность разработки собственных AI-чипов, однако на тот момент планы находились на ранней стадии и выделенной команды ещё не существовало. Приход Чана с его опытом из OpenAI и Tesla может стать первым шагом к формированию такой команды.

Экономика кастомного кремния

Сейчас Anthropic запускает модели Claude на чипах Google TPU и Amazon. В рамках долгосрочного соглашения с Google и Broadcom компания взяла на себя обязательство инвестировать $50 млрд в американскую вычислительную инфраструктуру. Это огромные суммы, и зависимость от чужого железа напрямую влияет на маржинальность.

Кастомные чипы — прежде всего для инференса — способны существенно улучшить юнит-экономику. Именно инференс, то есть запуск уже обученных моделей для ответов пользователям, сегодня генерирует основной операционный трафик и расходы. Собственный кремний, оптимизированный под конкретную архитектуру, позволяет снизить стоимость каждого запроса — и тем самым либо увеличить маржу, либо конкурировать по цене.

Этот путь уже прошли или проходят OpenAI (партнёрство с Broadcom и собственные разработки), Meta (чипы MTIA), Google (TPU), Amazon (Trainium и Inferentia). Anthropic пока остаётся одной из немногих крупных AI-компаний без собственного кремния — и это становится всё более заметным стратегическим разрывом.

Что это значит в контексте IPO

Оба перехода — и кадровый, и стратегический — происходят на фоне подготовки к публичным размещениям. Для инвесторов аппаратная независимость — это история про контроль над себестоимостью и долгосрочную устойчивость бизнеса. Компания, которая платит Nvidia или Google за каждый токен, генерируемый её моделями, структурно уязвима.

Для белорусских IT-компаний и команд, работающих с AI-инфраструктурой, этот тренд тоже актуален: стоимость GPU-вычислений остаётся одной из главных статей расходов при разработке и деплое LLM-решений. Появление альтернативного кремния от Anthropic или более широкая доступность специализированных чипов в облаках AWS и Google Cloud в перспективе может снизить эти издержки.

Пока же переход Чана — это сигнал рынку: гонка за аппаратный суверенитет в AI ускоряется, и кадры с опытом в кастомном чипостроении становятся одним из самых дефицитных ресурсов в индустрии.