Anthropic aumenta su inversión en chips de IA propios: consideró adquirir MatX por 7.000 millones de dólares y está en conversaciones con varias startups

Anthropic está acelerando su estrategia de independencia en chips, considerándola un paso clave para consolidar sus barreras competitivas en la antesala de su salida a bolsa.

Según el último informe de Reuters, Anthropic negoció la adquisición de la startup de chips de IA MatX por unos 7.000 millones de dólares, pero finalmente abandonó el plan de compra, y las conversaciones evolucionaron hacia una posible relación de colaboración. Al mismo tiempo, Anthropic también ha mantenido reuniones recientes con varias startups de chips de IA, sin haber definido aún un camino concreto.

Esta serie de movimientos demuestra que Anthropic está buscando reducir su dependencia de proveedores externos de hardware como Nvidia y establecer una ventaja a largo plazo en costos de capacidad de cómputo y garantía de abastecimiento a través del dominio propio en diseño de chips. Para una empresa de IA que apunta a una valoración de hasta 2 billones de dólares y se está preparando para cotizar en bolsa, la autonomía en hardware se ha convertido en una parte esencial de su relato comercial.

Cambio en la negociación de adquisición, MatX apunta a financiamiento independiente

Según fuentes citadas, Anthropic mantuvo profundas negociaciones con MatX por un precio de adquisición de unos 7.000 millones de dólares. Una tercera fuente indicó que la discusión de la fusión se transformó en conversaciones de colaboración, aunque Reuters no pudo confirmar los motivos específicos por los que la negociación no avanzó.

MatX, fundada por ex ingenieros de Google del procesador tensorial (TPU), actualmente busca cerrar una nueva ronda de financiamiento a una valoración de aproximadamente 4.000 millones de dólares.

El enfoque principal de MatX está en los chips de entrenamiento, es decir, procesadores utilizados para construir grandes modelos de IA. Esto difiere de la ruta elegida por algunas startups de chips y por el competidor OpenAI, que se centran más en chips de inferencia. Según las fuentes, Anthropic también podría optar por desarrollar chips de inferencia al mismo tiempo.

Contacto amplio con startups e impulso simultáneo en talento

De acuerdo con Reuters, en las últimas semanas Anthropic ha realizado reuniones con múltiples startups de chips de IA con el objetivo de que sus ingenieros y ejecutivos tengan una visión global de las diversas rutas tecnológicas actuales en el diseño de chips, aunque la empresa no ha tomado una decisión de compra.

En cuanto a captación de talento, Anthropic incorporó esta semana a Amir Salek, un veterano en chips de Google, y en junio sumó también a Clive Chan, ex ingeniero de chips en OpenAI que participó en el proyecto de chips de esa empresa.

Anthropic expresó que está ampliando su equipo interno de semiconductores, con el fin de diseñar chips personalizados que permitan que el modelo Claude funcione de manera más rápida y eficiente, y que al mismo tiempo mantendrá una estrategia de múltiples proveedores, continuando la cooperación con Nvidia, Google y otros socios.

Lógica estratégica de los chips propios: reducción de costos, mayor eficiencia y mitigación de riesgos de suministro

La apuesta de Anthropic por chips personalizados responde a diversos factores prácticos.

El primero es la presión de costos. El desarrollo de chips implica grandes inversiones —el costo de diseño de una sola generación puede alcanzar cientos de millones de dólares y el proceso desde el diseño hasta obtener hardware utilizable suele superar el año—, pero a largo plazo, adquirir startups con capacidad de diseño podría reducir de manera significativa los costos de capacidad de cómputo.

El segundo factor es la garantía de suministro. Nvidia señaló en su llamada de resultados que el suministro de sus procesadores seguirá siendo limitado hasta 2027. Actualmente, Anthropic ya ha firmado varios acuerdos importantes para la adquisición de capacidad de cómputo, incluyendo la compra de chips de IA por 36.000 millones de dólares a Google, un contrato de alquiler de cloud computing con Nscale por 45.000 millones de dólares, y pagos mensuales por 1.250 millones de dólares a SpaceX por el uso de sus instalaciones del centro de datos Colossus 1 (equipado con más de 220.000 chips de Nvidia). Desarrollar chips propios puede mitigar, en cierta medida, la incertidumbre de depender de proveedores externos.

El tercer factor es la competencia en performance. OpenAI afirmó esta semana en una conferencia que su primer chip personalizado "Jalapeno" supera en eficiencia energética a los productos equivalentes de Nvidia en tareas de inferencia. Los chips personalizados pueden optimizarse para modelos y cargas de trabajo específicas, estableciendo así ventajas diferenciadas en performance y en rendimientos económicos.

Tendencias de la industria: empresas de modelos de IA apuestan por hardware propio

La exploración de Anthropic hacia la independencia en chips refleja una estrategia común entre los principales laboratorios de IA. Google ha desarrollado la serie de chips TPU y Amazon lanzó los chips Trainium e Inferentia, ambos con el objetivo de reducir la dependencia de Nvidia y optimizar sus propias cargas de trabajo de IA.

Anthropic fue una de las primeras empresas de IA en correr modelos sobre hardware de múltiples proveedores, sentando ya una base de diversificación estratégica en hardware. A medida que la familia de modelos Claude sigue expandiéndose, las necesidades de capacidad de cómputo de la empresa se están disparando.

Con la expectativa de IPO, la estrategia de chips de Anthropic adquiere un sentido aún más directo para el mercado de capitales.

Según Reuters, la meta de valoración para la salida a bolsa de Anthropic es de 2 billones de dólares, una cifra directamente vinculada con su previsión de ingresos de hasta 200.000 millones de dólares para 2028. La capacidad de obtener control autónomo en el nivel de hardware será un aspecto clave que los inversores evaluarán para estimar el potencial de rentabilidad a largo plazo.