Anthropicが自社チップ設計チームを発足｜Claude推論コスト50%削減の戦略と現実

「新しい山のふもとに立つ準備ができた」。

2026年6月、エンジニアのClive Chanはこう書いてXに投稿した（出典: The Decoder、2026年6月）。前の職場はOpenAI。担当していたのは同社の自社チップ「Jalapeño」の行列演算アーキテクチャだ。その彼が転職先に選んだのがAnthropicだった。

それから約2ヶ月後の2026年8月5日、Anthropicはカスタムシリコンチームの発足を公式に確認した。狙いは明確だ。Claudeモデルとシリコンを「同時に設計」する「co-design」によって、1トークンあたりの推論コストを約50%削減することを目標としている。NVIDIAへの依存度を下げ、競争力を保つ。そのための賭けが、今動き出した（出典: TechCrunch、2026年8月5日）。

「Custom Siliconチーム」の中身

Anthropicが公開した求人票には「Custom Siliconチーム」という名称が明記されている。求める人材のバックグラウンドは「ハードウェアとソフトウェアをまたぐ経験を持つエンジニア」だ。チップ設計とモデル開発を同一チームで扱う体制を志向している。

年俸は$320,000〜$485,000。AI業界のエンジニア採用の中でも最高水準の報酬設定で、Anthropicがこの分野をいかに本気と位置づけているかが見える（出典: BigGo Finance、2026年8月5日）。

現時点で未発表の項目は多い。初号機が学習用か推論専用かという基本仕様、量産に向けた具体的なスケジュール。これらはいずれも「鋭意検討中」の段階だ（出典: SiliconANGLE、2026年8月5日）。ただし製造プロセスについては一部が明らかになっている。2026年7月のTechCrunchとThe Informationの報道によると、Anthropicはサムスンの2nmプロセス（SF2P）を使ったカスタムチップ製造について交渉中だ（出典: TechCrunch、2026年7月2日）。正式な製造契約の発表はない。

ただし外部パートナーとの関係は維持する。Anthropicは「NVIDIA・AMD・AWS・Googleとの既存調達関係を打ち切るつもりはない」と明言している。カスタムチップはこれら4社の補完的な選択肢として機能させる方針だ（出典: QZ、2026年8月5日）。

なぜ今なのか：推論コストが主戦場になった理由

AI推論コストは2022年と比べて劇的に下がった。GPT-3.5相当モデルの1トークンあたりコストは、2022年11月の約$20/百万トークンから2024年10月には約$0.07/百万トークンへ、280分の1以上に急落した（出典: TechTimes）。

それでも、Claude APIを日常業務で使う開発者にとってコストは依然として重要な判断軸だ。2026年8月時点の主要AI APIの価格帯を比較すると以下の通りだ（出典: BenchLM.ai）。

モデル	入力（/百万トークン）	出力（/百万トークン）
Claude Opus 5	$5.00	$25.00
GPT-4o (OpenAI)	$2.50	$10.00
Gemini 3.1 Pro (Google)	$2.00	$12.00
Claude Haiku 4.5	$1.00	$5.00

Claudeの上位モデルはGPT-4oの2倍、Geminiの約2.5倍のコストになる。Claude Code（コーディング支援サービス）のコスト推計は2026年4月に更新され、1日あたりの標準消費額は当初の約$6から約$13へ引き上げられた。90%のユーザーが1日$30以下に収まる一方、重度のエージェント利用者は月額$1,000超の請求を受けるケースも報告されている（出典: Briefs.co）。

「$20や$200の月額プランの133%〜3,000%を、数日で使い切るユーザーが複数いた」。テックコメンテーターのEd Zitronは2026年1月にこう指摘した（出典: X/@edzitron）。エンタープライズ向けには別途API課金が上乗せされ、実際の月額支出が$60〜$250超になるケースも報告されている（出典: Runbear）。

Hacker Newsには「AnthropicとOpenAIは、ユーザーが払う$100に対して$1,000以上かけているかもしれない」というスレッドが立ち（2026年6月11日、HN#48434342）、推論コストの持続可能性をめぐる議論が続いている。カスタムシリコンはこの赤字構造を解消するための切り札でもある。

業界全体で見ると、企業のAI運用コストに占める推論費用の割合は2023年の20%から2026年には85%まで上昇した（出典: Axis Intelligence）。モデルが高性能になればなるほど、推論コストの最適化が経営課題になる。Anthropicがチップ設計に踏み込む理由がここにある。

推論コストを決定する変数は主に3つだ。GPUの電力・購入コスト（NVIDIA依存度）、モデルの効率性（アーキテクチャ設計）、そしてメモリ帯域幅。この3つを同時に最適化するためには、モデルとハードウェアを別々に設計する従来のアプローチでは限界がある。それがco-designの発想の起点だ。

Clive Chan：OpenAIのチップ「2人目」が選んだ理由

Clive ChanはTeslaのDojoスーパーコンピュータチームで機械学習インフラを担当した後、2024年1月にOpenAIへ移籍した。OpenAIのカスタムチッププログラムに「2人目の社員」として加わり、Jalapeñoの行列演算（MPU）アーキテクチャとハードウェア性能解析を担当した（出典: Data Center Dynamics、2026年）。

2026年6月、彼はAnthropicへ移籍した。AlphaMatchの分析によると、彼がAnthropicを選んだ理由は「会社のタレント、バリュー、アンビション」だという（出典: AlphaMatch、2026年）。

この移籍のタイミングには意味がある。OpenAIはIPOを控えており、Jalapeñoは2026年末の社内デプロイが迫っていた。その「仕上げ」の段階に入ったタイミングで、次の山に向かう選択をしたわけだ。The Decoderは「AnthropicはOpenAIのチップエンジニアを引き抜いた」と報じ、両社の半導体人材争奪戦が激化していることを指摘している（出典: The Decoder）。

co-designとは何か：モデルとシリコンを同時に設計する

「co-design」はAnthropicが発表で繰り返し使ったキーワードだ。従来のAIインフラ設計では、モデルアーキテクチャ（ソフトウェア）とチップ設計（ハードウェア）は独立したチームが担当する。完成したチップにモデルを乗せて動かす、という順序だ。

co-designはその逆を目指す。Claudeの演算パターン（どの操作がボトルネックになるか、メモリアクセスの頻度など）を最初から把握した上で、そのモデルに最適なシリコン構造を設計する。逆にシリコンの特性に合わせてモデル側のアーキテクチャも調整する。

この手法の成功例はGoogleのTPU（TensorFlow専用に設計）とAppleのNeural Engine（Core MLと統合）だ。どちらも汎用GPU比で大幅な電力効率と推論速度を実現している（出典: Google Cloud Blog）。Anthropicが「約50%」という数値を目標に掲げた背景には、OpenAI JalapeñoがNVIDIA GPU比で「約50%のコスト削減」を主張していることも参考になっていると筆者はみている。

競合はどこまで進んでいるか

Anthropicは自社チップ開発では後発だ。主要AIラボの状況を整理する。

• Google TPU 第8世代（2026年量産中）: Google Cloud Next 2026で発表。訓練向けTPU 8tと推論向けTPU 8iの2ライン。8iはSRAM容量をIronwoodの3倍に増強し、KVキャッシュの高速化を実現。性能/ドルは前世代比80%改善を主張（出典: Google Cloud Blog）
• Amazon Trainium3（2026年量産中）: AWS内製チップ。AnthropicはAWSとの大型パートナーシップで50万枚のTrainium2を使った大規模クラスターを構築済み。Inferentia2による推論コストは従来比最大40%削減を達成している（出典: Amazon）
• OpenAI Jalapeño（2026年末デプロイ予定）: BroadcomとのProject Nexus。TSMCの3nm、HBM3e（高帯域幅メモリ第3世代）搭載。設計コストは約$500M。社内推論インフラ向けで、外部販売は未発表（出典: OpenAI Jalapeño記事）
• Meta MTIA 400（2026年量産中）: Meta社内のLlamaシリーズ推論専用（出典: Meta AI Blog）

Anthropicはこの中で唯一「まだ設計が始まっていない」段階だ。24/7 Wall Stは「Anthropicは自社チップメーカーを目指す最後発のAI企業だ」と表現した（出典: 24/7 Wall St、2026年8月5日）。後発のデメリットは実用化の遅れだが、メリットもある。先発各社の失敗から学べること、そしてモデルの成熟度が高まった時点でシリコンを設計できることだ。

$500Mの賭けと「最短2028年」の壁

先端AIチップの開発コストは設計だけで約$500M〜$750Mに上ると業界アナリストは試算する。製造コストを含めると$1B（1000億円超）を超える可能性もある（出典: TechTimes）。

Anthropicは2026年8月時点でまだ設計チームを組成中だ。先端ASIC（Application-Specific Integrated Circuit：特定用途向け集積回路）の開発フローは、アーキテクチャ設計→RTL設計（論理回路レベルの設計記述）→テープアウト（製造版データ完成）まで18〜24ヶ月が標準的。そこから量産ラインが立ち上がるまでさらに6〜12ヶ月かかる。ファウンドリパートナーも未確認のため、最速で2028年、現実的には2029年以降の量産開始とみられる。

「推論コスト50%削減」が開発者の手元に届くまでには、まだ相当な時間がかかる。一方でこの発表が持つ意味は別の次元にある。IPOを控えるAnthropicが、単なるモデル開発企業ではなくAIインフラの垂直統合を目指すという意思表示だ。Googleがデータセンターからシリコンまで一気通貫で持つように、Anthropicも同じ方向を目指している。

関連記事

• AnthropicがSamsung 2nm・SK Hynixと供給契約締結｜自社チップ開発の全内幕
• Anthropic×AMD：2GW・$50億規模のMI450供給契約が示す多チップ戦略
• AIチップ株急落・KOSPI回路遮断：半導体バブル崩壊の前兆か
• Anthropic IPO：2026年10月上場に向けたS-1提出の全貌

---

本記事は2026年8月6日時点の公開情報をもとに執筆した。情報の正確性を保証するものではない。Anthropicのカスタムシリコン計画は発表直後であり、製造パートナー・スペック・スケジュール・競合各社の状況は今後大幅に変更される可能性がある。記事内のコスト削減目標はAnthropicが掲げる目標値であり、実現を保証するものではない。投資判断・経営判断の参考にする場合は必ず一次情報を確認すること。