Ключевой разработчик кастомных чипов OpenAI уходит в Anthropic перед IPO

Главный вопрос, который должен задать себе каждый руководитель платформы с многолетними обязательствами в сфере AI-инфраструктуры — выживет ли дорожная карта OpenAI по кастомному кремнию в условиях оттока кадров накануне IPO. Клайв Чан, по собственному описанию — второй нанятый инженер в программе кастомных чипов OpenAI, только что объявил о переходе в Anthropic. Он сохранил должность (Member of Technical Staff) и сменил работодателя — это очень конкретный сигнал о том, куда смещается ценность в области AI-железа.

Это не уход рядового сотрудника. Это человек, который пришёл ещё до того, как появилась команда, покидает команду, которую сам помогал строить, чтобы выстроить аналогичную команду в компании, напрямую конкурирующей за те же производственные мощности TSMC, те же упаковочные слоты и тех же инженеров-компиляторщиков.

Что произошло

Чан опубликовал в X «Личное обновление», подтвердив, что покинул OpenAI примерно через 2,4 года работы и на этой неделе перешёл в Anthropic. Как сообщала Times of India, в OpenAI он пришёл в январе 2024 года — после двух с половиной лет в Tesla, где работал старшим инженером по инфраструктуре глубокого обучения для команды Autopilot, занимавшейся разработкой Dojo.

В своём посте Чан написал: «Я решил покинуть OpenAI. Я горжусь тем, что участвовал в программе кастомных чипов, и благодарен всем, с кем довелось строить и учиться». Он особо отметил команду, которую покидает: «Плотность аппаратных талантов в этой команде исключительна, и я не думаю, что где-либо есть лучшая команда по разработке чипов». Об Anthropic он сказал, что «глубоко впечатлён талантом, ценностями и амбициями команды».

Его работа в Tesla, по собственному описанию, охватывала «ASIC для обучения машинному обучению: запуск программного фреймворка, кодизайн дата-центра, энергоэффективные числовые форматы, еженедельные встречи с CEO». Это не одна дисциплина. Это полный стек от транзистора до цикла обучения. Tesla представила Dojo в 2021 году, установила первую систему в 2022-м — около 3000 чипов D1 производства TSMC, — и с тех пор потеряла ряд ключевых сотрудников: Ганеш Венкатараманан, старший директор по автопилоту и руководитель проекта Dojo, ушёл в начале декабря, а примерно через неделю глава AI-инфраструктуры Tesla Тим Зааман объявил о переходе в Google DeepMind.

OpenAI тем временем движется к IPO. Потеря одного из основателей аппаратной программы в пользу ближайшего конкурента по моделям за несколько кварталов до подачи S-1 — именно такая деталь, которую замечают банкиры.

Техническая анатомия

Чтобы понять, почему этот единственный уход важнее типичного перехода на должности Member of Technical Staff, нужно разобраться, как в действительности строятся программы кастомного AI-кремния. TPU от Google, Trainium от Amazon и Maia от Microsoft каждый потратили почти десятилетие на разработку и пережили несколько поколений текучки кадров — именно потому, что институциональные знания были распределены. Программа по чипам OpenAI моложе. Когда Чан называет себя вторым нанятым инженером, он говорит вам, что bus factor здесь мал.

Проектирование кастомного ASIC для обучающих нагрузок — это не просто RTL. Это плотно связанная задача совместного проектирования как минимум на четырёх уровнях: сам кремний (числовые форматы, иерархия памяти, интерконнект), компилятор и библиотека ядер, отображающая графы PyTorch или JAX на этот кремний, оболочка питания и охлаждения дата-центра, и интеграция с фреймворком обучения, определяющая, какие операции вообще направляются на ускоритель. По собственному описанию Чана, его область ответственности в Tesla охватывала запуск фреймворка, кодизайн дата-центра и энергоэффективные числовые форматы. Это — соединительная ткань между командой по чипам и командой по моделям. Люди, способные работать в обоих лагерях, являются узким местом в этих программах.

Отраслевые разговоры оценивают рост сегмента кастомных чипов в 44,6% в 2026 году — примерно в 3 раза быстрее, чем у серийных GPU. Если эта тенденция сохранится, по-настоящему дефицитным ресурсом станут не пластины, а инженеры, реально запустившие обучающий ASIC в производственном дата-центре. Anthropic, планомерно укрепляющий свои позиции в области кремния и документирующий свой API-стек на docs.anthropic.com, только что нанял человека, сделавшего это дважды.

Стоимость восполнения этих институциональных знаний внутри OpenAI — не в зарплате. Она в 12–18 месяцах контекста, которого у замены нет. Циклы tape-out не останавливаются ради онбординга.

Кто пострадает

Начнём с самой OpenAI. Компании накануне IPO продают нарратив не меньше, чем выручку, а нарратив здесь был таков: мы не будем вечно зависеть от GPU, мы строим собственный движок. Каждый уход из команды по чипам ослабляет эту историю для проспекта. CFO OpenAI на этой неделе должен задаться вопросом, как дорожная карта кастомного кремния будет представлена под прицелом раскрытия факторов риска в S-1, если за Чаном последуют другие сотрудники аппаратной команды, и нужно ли до открытия окна подачи документов закрепить удержание оставшихся старших аппаратных специалистов грантами. Это вопрос казначейства, а не HR.

Далее — корпоративные клиенты по цепочке. Если вы — платформа в сфере финтех или iGaming, подписавшая многолетнее соглашение о мощностях с OpenAI в расчёте на то, что кастомный кремний снизит стоимость инференса к 2027 году, вашей команде закупок нужна страховка. Anthropic сейчас выглядит более убедительной долгосрочной кремниевой историей в относительном сравнении — что имеет последствия для стратегии работы с двумя поставщиками и для того, стоит ли ускорить оценку агентов на базе Claude по образцам, описанным в документации платформы OpenAI.

Затем — Tesla, которая потеряла Венкатараманана, Заамана и ранее Чана из своего стека кремния и AI-инфраструктуры примерно за два с половиной года. Dojo как конкурентная платформа для обучения всегда был ставкой на то, что Tesla сможет привлекать и удерживать людей, которые в противном случае работали бы в Nvidia, Google или у гиперскейлеров. Эта ставка заметно ослабевает.

Наконец, крупные производители серийных GPU. Каждый старший инженер, уходящий из команды по кастомным чипам одной frontier-лаборатории в другую, — это данные в пользу того, что отрасль считает кастомный кремний стратегическим фронтиром, а не побочным проектом. Именно это убеждение, а не какой-либо отдельный tape-out, давит на ценовую власть производителей GPU.

Практические шаги для AI-разработки

Для руководителей платформ и CTO, оценивающих, куда вложить следующие восьмизначные суммы в AI-инфраструктуру, в ближайшие 90 дней стоит сделать три конкретных шага.

Первое: рассматривайте выбор между OpenAI и Anthropic как вопрос концентрации поставщика, а не вопрос бенчмарков. Качество моделей сближается. Контроль над цепочками поставок расходится. Спросите у менеджеров по работе с клиентами в обеих лабораториях явные обязательства по дорожной карте стоимости инференса на миллион токенов на 2027 и 2028 годы, и корректируйте их ответы с учётом того, насколько каждая лаборатория зависит от ценообразования серийных GPU в сравнении с собственным кремнием.

Второе: проверьте аппаратную грамотность вашей команды. Лаборатории агрессивно конкурируют за инженеров-компиляторщиков, специалистов по ML-системам и всех, кто работал с ASIC. Если такие люди есть в вашей платформенной команде, бюджет на удержание должен отражать новую рыночную цену — которую задают Anthropic и OpenAI, а не ваша локальная вилка зарплат.

Третье: если вы проектируете агентные архитектуры, изначально делайте их переносимыми между провайдерами моделей. Спецификация Model Context Protocol на modelcontextprotocol.io существует именно для того, чтобы замена базовой модели была изменением конфигурации, а не переработкой кода. Лаборатории нестабильны. Ваш слой абстракции — не должен быть.

Ключевые выводы

• Уход второго нанятого инженера по чипам OpenAI в Anthropic за несколько недель до IPO — это риск для дорожной карты, а не просто кадровое событие.
• Программы кастомного AI-кремния ограничены старшими инженерами, охватывающими чип, компилятор и дата-центр, — и этот пул талантов видимо мигрирует.
• Tesla потеряла Чана, Венкатараманана и Заамана из своего стека кремния и AI-инфраструктуры, ослабив конкурентные позиции Dojo.
• Корпоративным покупателям следует рассматривать выбор между OpenAI и Anthropic как решение о концентрации цепочки поставок, где траектория развития кастомного кремния — ключевой параметр.
• Командам, оценивающим многолетние вложения в AI-инфраструктуру, стоит задаться вопросом: выдержит ли их агентная архитектура принудительную смену провайдера за один квартал.