A estratégia multichip relatada pela Anthropic amplia as opções de computação, mas mantém a Nvidia entre os fornecedores citados. O modelo descrito distribui cargas de trabalho entre chips conforme a produtividade; ele representa diversificação, não uma saída da Nvidia já demonstrada por uma redução medida de uso.
Uma reportagem publicada em 29 de outubro atribuiu ao S-1 da Anthropic, publicado em 26 de outubro, a descrição de um conjunto de computação compartilhado entre parceiros estratégicos. A NeoTeo já havia abordado a possibilidade de a Nvidia investir no IPO da Anthropic; o foco aqui é como a empresa organiza sua infraestrutura de IA.
Neste artigo
- Como funciona a estratégia multichip
- Por que trocar de chip é difícil no treinamento
- O que envolvia a exploração de chips próprios
- O que os números de infraestrutura representam
Como funciona a estratégia multichip
Segundo a descrição atribuída ao S-1, a Anthropic trata a capacidade de computação de vários parceiros como um conjunto compartilhado. Um software direciona cada carga de trabalho aos chips considerados mais produtivos para aquela tarefa. Amazon, Google, AMD e Nvidia aparecem entre os fornecedores citados.
A estratégia também envolve serviços de nuvem, não apenas fabricantes de chips. Em julho de 2026, uma reportagem atribuiu à Anthropic a afirmação de que AWS Trainium, Google TPUs e Nvidia GPUs continuavam centrais para ampliar sua capacidade. Um provedor de nuvem pode oferecer diferentes tipos de processadores, portanto o nome do serviço não identifica, sozinho, qual chip executa cada tarefa.
Por que trocar de chip é difícil no treinamento
Distribuir tarefas entre diferentes chips pode reduzir a exposição a problemas de fornecimento de um único fornecedor, avalia Ashish Nadkarni, da IDC. Mas adaptar sistemas a novos processadores exige recursos, e a troca é especialmente difícil no treinamento de modelos, segundo analistas citados na cobertura da estratégia.
Brad Gastwirth, da Circular Technology, afirma que a diversificação não elimina as vantagens da Nvidia em desempenho, redes e software. Gil Luria, da DA Davidson, avalia que o custo e o esforço dessa adaptação podem não compensar para empresas menores. A flexibilidade de uma grande empresa, portanto, não significa que qualquer desenvolvedor consiga alternar chips com a mesma facilidade.
O que envolvia a exploração de chips próprios
Uma reportagem publicada em 2 de julho de 2026 descreveu trabalhos iniciais da Anthropic em um possível chip próprio e conversas com a Samsung Electronics sobre o processo de fabricação de 2 nanômetros e empacotamento avançado. Naquele momento, o projeto detalhado e a fabricação ainda não haviam começado.
A informação situa a ideia no campo exploratório. O relato não descreveu um chip pronto para produção. Também atribuiu à Anthropic a afirmação de que AWS Trainium, Google TPUs e Nvidia GPUs continuavam centrais para ampliar a computação.
O que os números de infraestrutura representam
Um vídeo publicado pela Forbes em 30 de outubro relatou cerca de US$ 587 bilhões em compromissos com chips e data centers até junho de 2026, além de US$ 266 bilhões em acordos novos ou alterados nos quatro meses seguintes. A Forbes também citou US$ 20 bilhões em capacidade esperada da AMD e uma estimativa de US$ 125 bilhões a US$ 150 bilhões para chips projetados pelo Google. A publicação caracterizou as possíveis obrigações até 2045 como próximas de US$ 1 trilhão.
Esses valores descrevem compromissos, capacidade prevista e estimativas de longo prazo. A mesma cobertura informou US$ 19,2 bilhões em gastos com infraestrutura e US$ 21,3 bilhões em receita entre janeiro de 2023 e junho de 2026; desse total de receita, US$ 16,3 bilhões foram registrados no primeiro semestre de 2026. Gastos e receitas são medidas distintas, com períodos definidos.
A ligação com a Nvidia também aparece em um acordo anterior: uma notícia publicada em 18 de novembro de 2025 descreveu um compromisso de US$ 30 bilhões da Anthropic com computação Azure e capacidade adicional de até 1 gigawatt. A capacidade inicial foi associada a sistemas Nvidia Grace Blackwell e Vera Rubin. Esses termos foram anunciados como parte da parceria com a Microsoft, não como uma medida do uso efetivo dos sistemas.
O vídeo da Forbes, em inglês, detalha os compromissos de infraestrutura e os números financeiros atribuídos ao S-1.
