Anthropic 正式跨入晶片設計領域。根據徵才頁面揭露的訊息，這家以 Claude 系列模型聞名的 AI 公司，開出年薪最高 85 萬美元（約新台幣 2,550 萬元）的職缺，目標不是傳統的晶片工程師，而是要訓練 Claude 自己動手設計晶片。
兩種晶片人才，天差地遠的待遇
Anthropic 目前同時開出兩個看似相近、待遇卻相差懸殊的職位。第一種是「研究工程師（晶片設計強化學習）」，年薪區間落在 50 萬至 85 萬美元；第二種是「矽晶工程師（ASIC 開發）」，年薪則是 32 萬至 48.5 萬美元。兩者最高薪資差距達 36.5 萬美元，接近一倍。
差距的關鍵在於工作內容。矽晶工程師做的是傳統 ASIC 開發：畫電路、跑驗證、送流片。但研究工程師的任務是建立強化學習訓練環境，讓 Claude 學會執行 RTL（暫存器傳輸層）生成、電路驗證，以及實體設計最佳化等一整套晶片設計流程。換句話說，Anthropic 要找的不是「會設計晶片的人」，而是「能把設計晶片這件事教給 AI 的人」。這種人才必須同時懂半導體設計，又懂機器學習訓練架構，供給稀少，價碼自然水漲船高。
從三星合作到自建團隊，兩個月內加速布局
這不是 Anthropic 第一次涉足晶片。今年 5 月，外界已傳出 Anthropic 與三星合作開發邏輯晶片的消息；短短兩個月後的 7 月，公司向《Business Insider》證實正在籌組內部晶片設計團隊，並採取「多晶片策略」——不押寶單一供應商或單一架構，而是同時佈局客製化 ASIC 與外部代工合作。
這個布局節奏，與 Google（TPU）、Amazon（Trainium）、Meta（MTIA）等公司近年自研 AI 晶片的路徑相似：當推論與訓練成本占營運支出比重越來越高，向上整合到晶片層級、擺脫對單一 GPU 供應商的依賴，幾乎已成大型 AI 實驗室的標準劇本。差別在於，Anthropic 選擇的切入點更進一步——不只是「用 AI 幫忙設計晶片的某個環節」，而是直接把「訓練 AI 學會設計晶片」當成招募重點，等於是把晶片設計本身也變成模型能力的一部分。
AI 設計晶片已有實例可循
用 AI 加速晶片設計並非空談。中國 Moonshot AI 的 Kimi K3 模型據稱已能在 48 小時內完成一顆晶片的設計，採用 Nangate 45nm 標準元件庫，晶片面積約 4.0 平方毫米。雖然規模遠不及先進製程的商用晶片，但已證明語言模型具備處理電路設計邏輯、時序與驗證規則的潛力。對 Anthropic 而言，這類案例既是壓力也是參考範本：如果競爭對手的模型已經能自主完成小規模晶片設計，那麼把這項能力訓練進 Claude，就不只是效率工具，而是攸關下一代模型技術棧完整性的戰略布局。
對半導體產業的意義
這波「AI 設計 AI 晶片」的趨勢，對台灣半導體供應鏈是雙面刃。一方面，若 Anthropic、Google 等公司真的能靠強化學習大幅縮短晶片設計週期，將直接墊高對晶圓代工與先進封裝產能的需求，台積電、日月光等業者可望受惠於更密集的客製化流片訂單；另一方面，當晶片設計本身逐漸自動化，傳統 IC 設計服務業者與 EDA 工具供應商的角色也可能被重新定義——從「幫客戶設計晶片」轉向「幫 AI 模型提供訓練所需的設計環境與驗證資料」。
值得留意的是，Anthropic 開出的薪資結構本身就是一個訊號：業界搶的已經不是最會畫電路的工程師，而是能把整個設計流程轉譯成強化學習獎勵函數的跨領域人才。這種人才定義的轉變，可能比晶片本身的規格更早重塑半導體與 AI 產業的分工邊界。
資料來源：科技新報