Anthropic arma equipo propio de chips para Claude y deja de depender de Nvidia

Anthropic confirmó que está armando un equipo interno para diseñar sus propios chips de inteligencia artificial, un movimiento que venía siendo rumorado desde abril y que ahora se oficializa con la publicación de vacantes para ingenieros de silicio. La empresa responsable de Claude no quiere seguir dependiendo exclusivamente de las GPU de Nvidia, las TPU de Google o los Trainium de Amazon para entrenar y ejecutar sus modelos. Quiere controlar la capa de hardware que define qué tan rápido y qué tan eficiente es su software.

La oferta laboral, reportada por Business Insider, busca especialistas en diseño frontal, verificación previa al silicio, integración física y empaquetado, entre otras áreas críticas. El salario ofrecido para el puesto de ingeniero oscila entre 320.000 y 485.000 dólares anuales, y la empresa exige que los candidatos hayan tenido "una contribución personal directa" en el desarrollo y lanzamiento de chips ya fabricados. No se trata de un proyecto exploratorio: Anthropic quiere gente que ya haya puesto silicio en producción.

Según declaró un portavoz de la compañía a varios medios, el objetivo es "codiseñar hardware y modelos de forma conjunta", de modo que Claude pueda operar "más rápido y de manera más eficiente a la escala que requieren nuestros clientes". En la práctica, esto significa que el equipo de Anthropic podrá ajustar kernels, rutas de datos y arquitectura física para que cada operación de inferencia consuma menos energía y complete más rápido sus ciclos, justo lo que necesitan los despliegues empresariales que pagan por cada consulta.

La empresa ha insistido en que no romperá con sus socios actuales. Dijo que mantendrá un "enfoque multichip" donde su silicio propio convivirá con hardware de Amazon Web Services, Google, Nvidia y AMD. Aún no hay cronograma ni se ha decidido si la fabricación será interna o tercerizada, pero Reuters ya había reportado en abril que la compañía mantenía conversaciones con Samsung como posible socio de manufactura. El costo total de desarrollar un chip avanzado, considerando diseño, talento y asegurar la producción sin fallos, ronda los 500 millones de dólares, según cálculos de la misma agencia.

La noticia llega semanas después de que OpenAI presentara Jalapeño, su chip de inferencia desarrollado junto a Broadcom, y en un contexto donde Google lleva años ejecutando sus modelos sobre TPU propias y Meta ha lanzado sus aceleradores MTIA para centros de datos. Incluso Mistral, la startup francesa de IA, estaría evaluando seguir el mismo camino. La tendencia es clara: las grandes firmas de inteligencia artificial quieren dejar de depender de un solo proveedor —Nvidia— que domina más del 80 % del mercado de aceleradores para entrenamiento, y cuya escasez de suministro ha encarecido y retrasado proyectos en toda la industria.

Este movimiento no es un capricho estratégico, sino una respuesta directa a una restricción estructural que ya está impactando los costos operativos de cualquier empresa que quiera escalar modelos de lenguaje. La fabricación de semiconductores avanzados requiere fundiciones con procesos nanométricos que solo tres actores en el mundo dominan (TSMC, Samsung e Intel), y la capacidad disponible se asigna con meses de anticipación a precios que no dejan de subir.

Para América Latina, esta carrera por el silicio propio tiene dos lecturas. La primera es de oportunidad: firmas locales que ofrecen servicios de diseño de chips podrían encontrar nuevos clientes en el ecosistema de startups de IA que buscan optimizar su hardware, aunque los montos de inversión que maneja Anthropic estén fuera del alcance de la mayoría.

La segunda es de advertencia: si los gigantes tecnológicos concentran aún más el control sobre el hardware de IA, las empresas latinoamericanas que consumen estos servicios quedarán atadas a costos de inferencia que no pueden negociar. Una startup chilena que despliegue chatbots no tiene poder para presionar a Nvidia ni a Anthropic; su margen dependerá de cuánto decida cobrar el proveedor por cada transacción.

La empresa está, por ahora, en fase de reclutamiento. El equipo de silicio tardará meses en formarse y años en producir su primer chip. Pero el simple hecho de que una empresa fundada hace apenas cinco años decida invertir medio billón de dólares en diseño de semiconductores es una señal de que el cuello de botella de la inteligencia artificial ya no es el software: es la capacidad de fabricar hardware lo suficientemente rápido y barato para que los modelos sigan escalando. Quien controle ese cuello de botella definirá quién puede competir en IA y quién queda fuera.