Anthropic diseña chips a medida para Claude y negocia con Samsung

Anthropic ha confirmado lo que era un rumor desde julio: está diseñando sus propios chips de inteligencia artificial para optimizar el rendimiento de Claude. La empresa liderada por Dario Amodei anunció la formación de un equipo dedicado al hardware, y según detalló The Information, mantiene negociaciones avanzadas con Samsung para utilizar su proceso de fabricación de 2 nanómetros. El movimiento replica la estrategia de OpenAI, que la semana pasada presentó Jalapeño, su primer chip de inferencia desarrollado con Broadcom.

La decisión no es aislada. Google lleva años con sus TPU, Amazon tiene Trainium y Graviton, Meta lanzó su chip MTIA y Tesla produce silicio para sus vehículos. La industria ha interiorizado que la dependencia de un único proveedor —Nvidia, en este caso— representa un riesgo existencial cuando la demanda de GPU puede disparar los precios o alargar los plazos de entrega, como ocurrió durante la pandemia. Anthropic ha sido claro: no cortará lazos con sus socios actuales (Nvidia, AMD, Google, Amazon), sino que adoptará una estrategia “multichip” que añada una pata propia para ganar autonomía.

Por qué esto importa más allá del silicio

Anthropic tiene una lógica preventiva y operativa. Entrenar y ejecutar Claude consume una capacidad de cómputo que hoy depende en gran medida de terceros. Si el próximo salto en capacidad del modelo exige más memoria o una arquitectura de inferencia diferente, tener un chip diseñado específicamente para esa carga de trabajo permite optimizar costos y latencia. OpenAI ya confirmó que el diseño de Jalapeño se benefició de la ayuda de sus propios modelos de lenguaje; es probable que Anthropic aplique la misma retroalimentación entre Claude y el hardware.

El riesgo para Anthropic está en la capacidad de Samsung Foundry para competir con TSMC en rendimientos de litografía avanzada. Si los plazos de producción se alargan más allá de 2027, la ventana competitiva frente a OpenAI podría cerrarse justo cuando la demanda de inferencia empresarial se dispare. Pero el simple hecho de que un laboratorio de IA —que no es un fabricante tradicional de chips— se embarque en este camino indica que la batalla por la inteligencia artificial se libra tanto en los modelos como en el silicio que los ejecuta.

Lo que significa para América Latina

Para un CTO o un VP de Infraestructura en una empresa latinoamericana, esta noticia no es una curiosidad lejana. El costo y la disponibilidad de la inferencia de IA en la región dependen de la oferta global de chips y de los acuerdos que los hyperscalers (AWS, Google Cloud, Azure) tengan con los fabricantes. Si Anthropic, OpenAI y los gigantes tecnológicos consolidan su propio silicio, la arquitectura de la nube cambiará: los proveedores cloud ofrecerán instancias optimizadas para modelos específicos, y los precios reflejarán la eficiencia de esos chips a medida.

Las empresas latinoamericanas que hoy contratan servicios de IA en la nube deberían monitorear dos variables. Primera, la diversificación de fabricantes: si Samsung y Broadcom logran captar clientes como Anthropic y OpenAI, se reduce la presión sobre Nvidia y potencialmente se estabilizan los precios de las GPU tradicionales. Segunda, la aparición de chips de inferencia especializados puede hacer que tareas como el procesamiento de documentos legales, la atención al cliente o la moderación de contenido sean mucho más baratas de ejecutar, abaratando la adopción de inteligencia artificial en mercados con márgenes ajustados.

Al mismo tiempo, existe un riesgo de fragmentación. Si cada gran laboratorio optimiza su chip para su modelo, los clientes pueden verse atados a un ecosistema cerrado. Un banco brasileño que despliegue Claude para análisis de crédito podría encontrar dificultades para migrar a un modelo de OpenAI si el rendimiento y el costo dependen de chips incomparables. La estrategia multichip de Anthropic —mantener acuerdos con varios proveedores— mitiga ese riesgo, pero no lo elimina.

Una pregunta abierta

¿Están los equipos de tecnología latinoamericanos preparados para evaluar la arquitectura de inferencia más allá de la API? Hasta ahora, la decisión era simple: elegir entre OpenAI, Anthropic, Google o Meta según precio y calidad. El próximo paso exige comprender qué hardware hay detrás de cada oferta y cómo impacta en la latencia, el consumo energético y la escalabilidad. Para los ejecutivos de la región, ignorar la capa de silicio es tan peligroso como ignorar el modelo mismo.