Anthropic entra en la carrera del silicio propio para Claude: equipo interno, Samsung como foundry y estrategia multi-chip (agosto 2026)

Anthropic confirmó el 5 de agosto de 2026 que está construyendo un equipo interno de silicio custom para diseñar sus propios chips para Claude, un movimiento estratégico que la coloca al nivel de Google (TPU), AWS (Trainium), Microsoft (Maia) y Meta (MTIA). El anuncio, con salarios de entre 320.000 y 485.000 dólares anuales y conversaciones abiertas con Samsung Electronics como posible foundry, marca un antes y un después en la política de infraestructura del laboratorio, hasta ahora dependiente del suministro externo de aceleradores Nvidia y AMD.

El anuncio: primera confirmación oficial del proyecto de silicio de Anthropic

Durante meses circularon filtraciones sobre un supuesto proyecto interno de hardware en Anthropic. El 5 de agosto de 2026 la compañía lo confirmó por primera vez de manera pública. En un comunicado enviado a Business Insider y respaldado por una oferta de empleo publicada en su portal de carreras, Anthropic reconoció que trabaja "desde el nivel del chip hacia arriba con nuestros partners de silicio" y que ahora "profundiza esa inversión construyendo un equipo de silicio custom".

Es un giro relevante para una compañía que se ha presentado tradicionalmente como agnóstica al hardware. Durante años, Anthropic evitó cualquier referencia al diseño propio de aceleradores, apoyándose en clústeres AWS Trainium, Google TPU y GPU Nvidia H100/H200/B200. El movimiento llega apenas dos semanas después de el acuerdo de 5.000 millones de dólares con AMD para desplegar aceleradores MI450 a escala de gigavatios, lo que refuerza la lectura de un cambio estratégico ordenado: acumular capacidad externa hoy mientras se prepara silicio propio para mañana.

Salarios brutales: entre 320.000 y 485.000 dólares para atraer talento

Los rangos salariales revelan la urgencia con la que Anthropic quiere reclutar. La oferta base para ingenieros de silicio se sitúa entre 320.000 y 485.000 dólares anuales, sin contar equity ni bonus. Para el rol de Research Engineer, Chip Design Reinforcement Learning, el rango sube hasta los 500.000-850.000 dólares. Son cifras propias de la élite de Silicon Valley y superiores a las que suelen ofrecer empresas históricas del sector como Intel, AMD o Qualcomm para posiciones equivalentes.

Anthropic no busca perfiles junior. La oferta pide explícitamente "shipped silicon", es decir, experiencia demostrable en chips que hayan llegado a producción, y capacidad de "tomar decisiones consecuentes sin una gran organización detrás". Traducido: ingenieros senior acostumbrados a firmar hitos técnicos y arriesgarse sin el paraguas burocrático de un gigante del sector. Es el perfil habitual de los primeros equipos de silicio en startups como Cerebras, Groq o Tenstorrent, y también el que Google y AWS recurrieron para arrancar sus programas de TPU y Trainium hace una década.

Los roles buscados: cubrir toda la pila, del RTL al packaging

Las áreas cubiertas por la oferta abarcan prácticamente todo el ciclo de diseño de un ASIC moderno:

• Front-end design: descripción RTL en Verilog o SystemVerilog, microarquitectura y unidades funcionales.
• Pre-silicon verification: entornos de verificación con UVM, formal verification, cobertura funcional.
• Physical design: floorplanning, place and route, timing closure para nodos avanzados.
• Design-for-test (DFT): cadenas scan, BIST, ATPG para asegurar el test post-fabricación.
• Analog / mixed-signal: PLL, SerDes, interfaces HBM, gestión de potencia.
• Technology / foundry: relación con la foundry, PDK, integración de IP externo.
• Design infrastructure: herramientas EDA, flows automatizados, CI para hardware.
• Packaging: integridad de señal y potencia, interposers, chiplets avanzados.

La lista es idéntica a la de un equipo de silicio maduro. Anthropic no está montando un pequeño grupo de investigación: está construyendo desde cero una división completa de diseño de chips que le permita cerrar todo el flujo end-to-end sin dependencias críticas externas.

Multi-chip strategy: NO reemplaza a Nvidia, AMD, TPU o Trainium

Uno de los matices más importantes del anuncio es que Anthropic mantiene explícitamente su estrategia "multi-chip". El silicio propio coexistirá con los proveedores actuales, no los sustituye. La compañía seguirá comprando GPU Nvidia (Hopper, Blackwell y sucesoras), aceleradores AMD Instinct MI450, TPUs de Google Cloud (previsiblemente Ironwood v7 y superiores) y Trainium3 en AWS.

Este enfoque contrasta con Google, que apuesta por una integración vertical casi total con TPU, y se parece más al camino híbrido de AWS, que combina Trainium propio con acuerdos profundos con Nvidia. Para Anthropic, la lógica es sencilla: durante los próximos tres o cuatro años, cualquier chip propio tendrá volúmenes limitados. La única forma de sostener el ritmo de entrenamiento de modelos como Claude Opus 5 y sucesores es acumular capacidad de todos los proveedores disponibles.

El movimiento también reduce el poder de negociación de cualquier proveedor individual. Cuando Anthropic pueda decir con credibilidad "si no bajas precio o mejoras plazos, movemos la carga al silicio interno", cambia por completo la dinámica de las próximas rondas de negociación con Jensen Huang o Lisa Su.

Co-design HW+SW: chips optimizados para los mecanismos de atención de Claude

El corazón técnico del proyecto es el co-diseño hardware-software. Anthropic no busca replicar una GPU genérica sino ajustar la microarquitectura del silicio directamente a los patrones computacionales que Claude ejecuta en producción, en particular sus mecanismos de atención. Cuando conoces exactamente qué operaciones dominarán la carga (matmul de ciertos tamaños, softmax con longitudes de contexto específicas, KV-cache management), puedes dimensionar unidades MAC, jerarquías de memoria y ancho de banda HBM con una precisión imposible en un chip general-purpose.

Los resultados publicados en la comunidad son elocuentes. Google TPU v7 Ironwood entrega 4.614 TFLOPS en FP8 por chip con 192 GB de HBM3E y ancho de banda de 7,37 TB/s gracias precisamente a esta filosofía. AWS Trainium3 alcanza 2,52 PFLOPS FP8 por chip con 144 GB HBM3e y presume de un 40 por ciento más de eficiencia energética frente a Trainium2. Meta MTIA 400 sube hasta 6 PFLOPS FP8 y 18 PFLOPS MX4 con 288 GB HBM y 9,2 Tbps de bandwidth en un envoltorio de 1.200 W.

Estos números ya no son teoría. Son la prueba de que el co-diseño funciona a escala industrial y de que un chip propio, bien dimensionado, puede batir a una GPU genérica en la tarea concreta para la que se diseñó, con un coste por token muy inferior.

La partnership con Samsung Electronics: foundry en el nodo de 2 nm

El otro pilar del anuncio es la relación con Samsung Electronics. Varios informes de TechCrunch, Wccftech y BigGo Finance apuntan a que Anthropic ha mantenido conversaciones con Samsung Foundry para fabricar sus chips, muy probablemente en el nodo de 2 nanómetros (SF2) o eventualmente en 1,4 nm (SF1.4A) para revisiones posteriores.

La elección tiene lógica. TSMC ya está saturada con Nvidia, AMD, Apple y el resto de hyperscalers. Samsung Foundry, tras un 2025 complicado con problemas de yield en 3 nm GAA, ha mejorado su curva y espera duplicar los pedidos de 2 nm en 2026 respecto al año anterior. Además, tiene capacidad libre. Para Samsung, atraer a Anthropic sería una victoria estratégica: un cliente CSP de alto perfil que legitima su nodo y ayuda a compensar la pérdida de clientes como Qualcomm, que estarían valorando volver a TSMC ante los rumores de yields en torno al 55 por ciento en 2 nm Samsung.

Anthropic no ha confirmado oficialmente la elección de Samsung ni ha detallado el nodo definitivo, pero las señales apuntan a un acuerdo formal en los próximos meses. La empresa surcoreana también está acelerando la construcción de su Fab 2 en Taylor, Texas, con producción en masa objetivo en 2030, un plazo que encaja con la ventana estimada del primer chip Anthropic.

Contexto: quién más tiene silicio propio en 2026

Anthropic es el último gran laboratorio en dar el paso, pero está lejos de ser el primero. El mapa competitivo actual del silicio custom para IA es el siguiente:

Se estima que en 2026 hay unos 1,9 millones de aceleradores custom desplegados en producción, distribuidos aproximadamente en 900.000 TPU de Google, 600.000 unidades Trainium/Inferentia de AWS, 250.000 Maia de Microsoft y 180.000 MTIA de Meta. Ninguno de estos chips está disponible para clientes externos: son cautivos. Precisamente por eso Anthropic necesita el suyo si quiere jugar en la misma liga a medio plazo.

Timeline realista: primeros chips entre 2028 y 2030

El desarrollo de un ASIC de IA en un nodo puntero no es un proyecto de meses. El coste típico oscila entre 500 y 750 millones de dólares por diseño en 2 o 3 nanómetros y el ciclo completo, desde concepto hasta producción, se sitúa entre tres y cinco años. Combinando estos plazos con el estado actual del equipo (aún en fase de contratación) los primeros silicios de Anthropic verían la luz previsiblemente entre 2028 y 2030.

Este horizonte es coherente con la puesta en marcha del gigantesco campus de datacenter que Anthropic planea en Hubbard, Texas, previsto para operación plena en el mismo periodo. Es decir: cuando el datacenter esté listo, el chip propio empezará a llegar. Antes de esa fecha, toda la carga seguirá corriendo sobre Nvidia, AMD, TPU y Trainium.

Es importante no sobreestimar la velocidad. Google tardó desde 2013 hasta 2015 en desplegar su primer TPU internamente, y varios años más en abrirlo a Google Cloud. AWS anunció Trainium1 en 2020 y solo con Trainium2 y Trainium3 ha alcanzado volúmenes verdaderamente competitivos. Anthropic tendrá que recorrer un camino similar, aunque partiendo con la ventaja de la experiencia acumulada por la industria y con partners maduros.

Impacto en Nvidia y AMD: menor dependencia, mercado aún enorme

La lectura inmediata que muchos analistas hacen es que el anuncio golpea a Nvidia. Es un titular fácil, pero conviene matizar. Nvidia sigue controlando entre el 70 y el 75 por ciento del mercado de aceleradores de IA en datacenter por facturación en 2026, con AMD entre el 6 y el 8 por ciento y el silicio custom hyperscaler agregando un 15-20 por ciento y creciendo rápido. Los ASIC-based AI server crecen a un ritmo del 44,6 por ciento anual, casi el triple que las GPU merchant (16,1 por ciento).

Sin embargo, la fuerza histórica de Nvidia sigue siendo el entrenamiento, donde el ecosistema CUDA y las bibliotecas maduras son casi insustituibles. Donde el silicio custom compite mejor es en inferencia, que ya representa dos tercios de la computación de IA total. Y ahí, la eficiencia por token y el TCO importan mucho más que la compatibilidad con CUDA. Algunos análisis proyectan que la cuota de Nvidia en inferencia podría caer desde el 90 por ciento actual al 20-30 por ciento en 2028 si el ritmo actual continúa.

Para AMD, el impacto es más ambiguo. Por un lado, el acuerdo de 5.000 millones anunciado en julio de 2026 garantiza a Lisa Su una posición importante en la infraestructura de Anthropic durante al menos los próximos tres años. Por otro, cuando el silicio propio de Anthropic entre en producción, la cuota de MI450 y sucesores dentro del clúster de Anthropic se reducirá progresivamente.

Qué significa para el usuario de Claude: menor coste, mayor velocidad, más contexto

Para quienes usan Claude a diario a través de la app, la API o Claude Code, el silicio propio se traducirá en tres beneficios concretos a medio plazo:

• Menor coste por token: al eliminar el margen del intermediario (Nvidia, AMD, Google, AWS) y ajustar el chip a la carga real, Anthropic podría bajar precios de Claude Opus 5 y sucesores sin comprimir su margen.
• Mayor velocidad de generación: unidades matmul y hierarchies de memoria dimensionadas para el attention mechanism específico de Claude reducen el tiempo por token, especialmente en contextos largos.
• Más contexto viable económicamente: el punto anterior abre la puerta a ventanas de 1M, 5M o incluso más tokens sin que el coste se dispare.

El caso de Google TPU sirve de referencia: hoy Gemini 2.5 corre en TPU custom con costes por token muy competitivos gracias al co-diseño. Anthropic aspira precisamente a eso. Y no solo hay implicación de precio: también hay ventajas para la sostenibilidad, dado que un chip específico consume mucha menos energía por operación útil que una GPU general.

La reacción del mercado y el flujo financiero detrás

Anthropic sigue siendo privada, aunque su OPV histórica de 2026 valoró la compañía en cifras récord y su ronda más reciente confirmó la voracidad inversora de fondos como Lightspeed, Google Ventures y Fidelity. La contribución de Anthropic al ecosistema de infraestructura ya es enorme: Microsoft reconoció 3.200 millones de dólares adicionales en su Q4 FY2026 procedentes de cargas de trabajo Anthropic sobre Azure, un impacto que ilustra por qué la dependencia de terceros es un cuello de botella financiero además de estratégico.

La reacción en bolsa el 5 y 6 de agosto fue moderada. Nvidia cerró plana tras un titubeo inicial, AMD ganó fuelle apoyado por el acuerdo de MI450 de julio, y Alphabet y Amazon apenas se movieron. El mercado interpreta el movimiento como una inversión de largo plazo, no como una amenaza inmediata.

Los analistas coinciden en un matiz importante: la contratación de un equipo de silicio no significa que Anthropic vaya a construir todo desde cero. La estrategia más probable es un modelo similar al que ha seguido Amazon con Trainium, donde una parte significativa del diseño se apoya en bloques IP externos (interfaces PCIe, controladores HBM, SerDes de Rambus o Synopsys) y solo se diseña internamente lo que aporta ventaja competitiva real: el corazón computacional del chip, es decir, las unidades matmul, la jerarquía de caches y la fabric de interconexión. Este enfoque acelera plazos, reduce riesgo y permite que un equipo de tamaño razonable (200-400 ingenieros) produzca un chip competitivo en 24-30 meses tras el primer tape out.

Workstation ideal para desarrollar sobre Claude en 2026

Con el ecosistema Anthropic acelerando en todos los frentes (modelo, hardware, herramientas), muchos desarrolladores se plantean renovar su equipo local para trabajar cómodamente con Claude, Claude Code y agentes MCP. Estas son las piezas más recomendables en 2026 para un puesto profesional serio:

• Portátil de referencia: MacBook Pro M4 Max de 16 pulgadas, ideal para inferencia local de modelos de hasta 30B parámetros y para editar código con Claude Code en local sin latencias.
• Mini PC potente y silencioso: Beelink SER8 con AMD Ryzen 7 como opción compacta para servidor de desarrollo o inferencia ligera 24/7.
• Modelo superior con GPU integrada: Beelink SER9 Pro con Ryzen AI 9 HX 370, con NPU para acelerar cargas ligeras de IA.
• Monitor 4K de 32 pulgadas: Samsung Odyssey G8 4K, con espacio de sobra para ventanas de Claude Code, terminal y navegador en paralelo.
• Teclado mecánico programador: Logitech MX Mechanical, con distribución completa, retroiluminación y compatibilidad Mac/Windows/Linux.
• Alternativa premium: Keychron K8 Pro con switches Gateron, favorito de la comunidad hacker.
• Ratón ergonómico: Logitech MX Master 3S, referencia absoluta para jornadas largas de código.
• Auriculares con cancelación: Sony WH-1000XM5, cómodos y con calidad de llamada suficiente para reuniones remotas.
• Silla ergonómica: Sihoo Doro C300, la mejor relación calidad-precio del segmento en 2026.

Libros imprescindibles para entender la carrera del silicio

Si el anuncio de Anthropic te ha despertado el gusanillo por entender cómo se diseñan y fabrican los chips que sostienen la IA moderna, estas tres lecturas son un excelente punto de partida:

• Historia y geopolítica: La guerra de los chips (Chip War) de Chris Miller, referencia obligada para entender cómo TSMC, Samsung, Intel y Nvidia se convirtieron en piezas geopolíticas críticas.
• Arquitectura de computadores: Computer Architecture: A Quantitative Approach de Hennessy y Patterson, la Biblia del sector.
• Diseño digital desde cero: Digital Design and Computer Architecture de Harris y Harris, ideal para quien quiera aprender Verilog y microarquitectura partiendo de cero.

Preguntas frecuentes (FAQ)

Conclusión: Anthropic completa el patrón que define a los grandes labs

El anuncio del 5 de agosto de 2026 no revoluciona por sí solo el mercado de chips de IA. Lo que hace es sellar oficialmente el patrón que ya siguen todos los grandes actores: si quieres estar en la primera línea del entrenamiento y la inferencia de modelos frontera, necesitas silicio propio. Google lo hizo en 2015 con TPU, AWS en 2020 con Trainium, Microsoft y Meta poco después. Anthropic ha tardado más pero llega con la ventaja de tener socios experimentados, una tesis clara (co-diseño para attention mechanisms) y capital suficiente para invertir 500-750 millones por generación.

El movimiento tiene consecuencias a varios niveles. Para Nvidia, es una llamada de atención más en un mercado donde el silicio custom crece al 44,6 por ciento anual y donde su cuota de inferencia podría reducirse a la mitad en dos o tres años. Para AMD, un aviso de que las victorias de hoy (como los 5.000 millones de MI450) son necesarias pero no suficientes. Para Samsung Foundry, una oportunidad de reforzar su nodo de 2 nanómetros con un cliente icónico. Y para los usuarios de Claude, la promesa de un futuro con mejores precios, más velocidad y mayores ventanas de contexto una vez el silicio interno entre en producción.

Los próximos hitos a vigilar son la confirmación oficial de Samsung como foundry, la contratación pública de nombres reconocidos del sector semiconductor (que suele ser un buen termómetro de la ambición real del proyecto) y las primeras filtraciones de arquitectura del chip, que probablemente lleguen a lo largo de 2027. Hasta entonces, Anthropic seguirá jugando su partida multi-chip mientras cocina, en silencio, la próxima gran pieza de su estrategia de infraestructura.