公开招聘信息显示，Anthropic 正在推进自研 ASIC 相关团队建设，其中面向芯片设计强化学习的研究工程师岗位薪酬区间高于部分直接从事芯片设计的工程师岗位。这一现象反映出 AI 模型训练与传统芯片工程能力融合的需求正在提升。
今日技术观察 IT之家 8 月 7 日消息，据 Wccftech 今日报道，Anthropic 目前正在扩大内部芯片设计团队，并计划开发自研 ASIC 芯片。与此同时，公司不同芯片相关岗位之间出现了明显的薪资差异：负责训练 AI 模型进行芯片设计的研究工程师岗位，年薪最高可达 85 万美元（IT之家注：现汇率约合 574.9 万元人民币），而实际负责设计 Anthropic 首款 ASIC 芯片的工程师岗位，薪资范围约为 32 万至 48.5 万美元 01 背景速览 背景速览：据公开报道，Anthropic 正在扩展内部芯片设计团队，并规划开发面向自身需求的 ASIC 芯片。其招聘信息中，Chip Design RL 研究工程师的工作重点，是构建强化学习环境，让 AI 模型参与 RTL 代码生成、验证和物理设计优化等流程；而 Silicon Engineer 等岗位则更侧重于实际芯片设计工作。报道提及，前者给出的年薪区间高于后者。至于 Anthropic 首款自研 ASIC 的技术规格、制造合作方和发布时间，目前尚未公开。 02 趋势影响 趋势影响：AI 企业正在从模型、算力到基础设施环节加强自主能力建设。AI 参与芯片设计并不意味着传统工程流程会被简单替代，而更可能推动设计、验证、优化等环节的人机协同。对人才市场而言，既理解 ASIC 或 FPGA 开发流程，又能构建强化学习环境、评估模型效果的复合型能力，可能得到更多关注。企业在观察相关岗位薪酬时，也应结合岗位责任、技术难度、人才供需和所在地市场等因素综合判断。 03 企业应用启发 企业应用启发：对于开展人工智能、软件开发或企业数字化建设的团队，这一案例提示了“用 AI 改进工程流程”的实际方向。即使不涉及芯片研发，组织也可以在代码生成、自动化测试、需求分析、运维排障和知识管理等场景中，探索模型辅助与人工审核相结合的工作方式。落地时应优先选择可衡量、可回滚、边界清晰的任务，通过质量、效率、成本和安全等指标验证效果，再逐步扩大使用范围。 04 合规观察 合规风险提醒：将 AI 用于芯片设计或软件工程时，企业需要关注训练数据、设计资料、源代码和技术文档的权限边界，避免将受保密义务约束或未经授权的内容直接输入外部模型。同时，应建立人工复核、日志留存、版本管理和责任追溯机制，对模型生成的代码、设计建议及验证结果进行独立检查。涉及跨境数据、开源软件与 EDA 工具时，还需根据业务所在地及合作方要求评估数据安全、知识产权和许可合规风险。 05 开放讨论 开放讨论问题：AI 辅助芯片设计中，哪些环节最适合优先引入强化学习或生成式模型？复合型 AI 工程人才与传统专业工程人才的能力评价体系应如何设计？企业在推广 AI 辅助研发时，怎样平衡效率提升、人工把关和知识产权保护？欢迎结合所在行业的研发实践展开讨论。 公开来源参…