Breakthrough in NVIDIA's computing power monopoly! Amazon's AI ASIC welcomes a structural turning point: starting to gain industry favor

智通财经 APP 获悉，据报道，亚马逊 (AMZN.US) 的 Trainium 人工智能加速器开始赢得一些人工智能开发人员的青睐，这些开发人员历来依赖英伟达 (NVDA.US) 的产品。

英伟达的 GPU 被广泛认为在 AI 加速器市场占据主导地位，由于超大规模数据中心、AI 前沿模型实验室和其他买家的旺盛需求，其供应一直处于短缺状态。虽然市场上存在英伟达产品的替代方案，包括 AMD、亚马逊、谷歌以及其他定制专用集成电路 (ASIC) 产品，但据报道，越来越多的开发者开始意识到亚马逊 Trainium 产品的吸引力。媒体 The Information 援引了六位使用该芯片或与该芯片合作的人士的访谈。

Superlinked 首席执行官 Daniel Svonava 告诉 The Information：“我们一直以来都认为软件支持不足是一个障碍。但这种情况在过去几个月里发生了改变，这个障碍已经消除。”

另一位开发者，Loka 的机器学习负责人 Bojan Jakimovski 也表示，过去几个月人们对 Trainium 的兴趣有所上升，部分原因是英伟达 GPU 的供应紧张。他还补充说，一位客户在测试表明 Trainium 第二代芯片的成本比英伟达 H100 系列芯片最多可降低 35% 后，将其推理工作负载切换到了 Trainium 的第二代芯片上。不过，Jakimovski 补充说，他仍然建议在英伟达的产品上进行大型语言模型训练。

亚马逊首席执行官 Andy Jassy 近日表示，该公司芯片业务如果独立运营，每年可创造 500 亿美元的收入。杰西在最近致股东的信中写道： “我们的定制芯片业务现在是全球三大数据中心芯片业务之一。”

开发者为何从"别无选择"走向"主动拥抱"?

英伟达的 GPU 被广泛认为是 AI 加速器市场的王者，其 CUDA 软件生态更是构建了一道令竞争对手难以逾越的护城河。然而，正是因为英伟达的地位太过强势，其产品供应长期处于紧绷状态——超大规模云服务商、AI 前沿模型实验室和其他买家如饥似渴的需求，使英伟达 GPU 长期处于结构性短缺之中。

这种供不应求的局面，催生了市场对替代方案的刚性需求。虽然市场上存在 AMD、谷歌 TPU 及其他定制 ASIC 等替代选项，但 Trainium 正以超出市场预期的速度获得开发者的实际采用。

软件生态：从"障碍"到"消除"的质变

Superlinked 首席执行官 Daniel Svonava 对 The Information 的一番话精准概括了这一转折："我们一直以来都认为软件支持不足是一个障碍。但这种情况在过去几个月里发生了改变，这个障碍已经消除。"这句话的分量在于：在 AI 芯片的竞争中，硬件参数往往只决定产品的下限，而软件生态决定了产品的上限。Trainium 在软件层面实现从"障碍"到"消除"的蜕变，意味着其不再是一个仅供小范围测试的替代选项，而是具备了规模化商用条件的生产力工具。

成本优势：新一代"降本增效"武器

Loka 机器学习负责人 Bojan Jakimovski 同样观察到 Trainium 的吸引力正在显著上升，且背后有坚实的经济逻辑支撑。部分客户之所以转向 Trainium，直接原因在于英伟达 GPU 的获取难度;但更重要的是，一位客户在测试发现 Trainium 第二代芯片的成本比英伟达 H100 系列最多可降低 35% 后，果断将其推理工作负载切换到了 Trainium 上。

在 AI 推理工作负载日益成为算力消耗主力 (目前约占全部 AI 计算量的三分之二) 的趋势下，35% 的成本优势意味着对于一家中等规模的 AI 公司而言，每年可能节省数百万至数千万美元的算力支出。这并非零和博弈中的轻微偏移，而是足以改变采购决策的结构性优势。

技术架构的先发优势：MoE 推理的独特护城河

Gavin Baker 的判断尤为尖锐且具技术洞察力。他指出，当前主流的前沿 AI 模型均采用混合专家模型 (Mixture of Experts，MoE) 架构，而运行此类模型的推理任务，需要交换式扩展网络 (Switched Scale-up Network) 的基础设施。全球目前仅有两家公司拥有运行中的交换式扩展网络：一家支撑着英伟达的 GPU 集群，另一家则驱动着亚马逊的 Trainium。

这意味着，在 MoE 模型推理这一快速增长的关键赛道上，Trainium 并非简单的追赶者，而是拥有独特技术壁垒的先发者。Baker 进一步指出，谷歌 TPU 在同一领域并不具备同等能力，并透露谷歌虽然发明了 MLPerf 基准测试，却从未提交过 TPU 的测试成绩。这一细节的透露，无疑强化了市场对 Trainium 技术独特性的重新评估。Baker 预计，Trainium 3 在今年下半年大规模量产后，Trainium 在 2026 年的市场地位将相当于 TPU 在 2025 年的地位。

客户生态：从"万级"到"十万级"的临界点跃迁

Trainium 的突破不仅体现在技术层面，更体现在客户基础的规模化验证上。据亚马逊在 4 月与 Anthropic 深化战略合作时的披露，Trainium 与 Graviton 各自均有超过 10 万家客户，Amazon Bedrock 目前的大部分推理任务均基于 Trainium 运行。10 万家客户这一数字，标志着 Trainium 的客户基础在 2025 年下半年以来发生了从量变到质变的跃迁——它已不再是一个只在少数实验室中进行测试的小众产品，而是具备了大规模商用验证的系统性替代方案。

Anthropic 与 OpenAI：最大的"质量证明"

在关键客户层面，Trainium 获得了两家全球最重要 AI 模型公司的深度绑定。4 月 20 日，亚马逊与 Anthropic 宣布深化战略合作：亚马逊在原有基础上再向 Anthropic 追加投资最高 250 亿美元，而 Anthropic 则承诺未来 10 年内将在 AWS 相关技术上投入超过 1000 亿美元，并采购最高 5 吉瓦的 AWS 当前及未来几代 Trainium 芯片算力。Anthropic 的旗舰模型 Claude 运行在超过 100 万个 Trainium2 芯片上。

OpenAI 的加盟同样意义深远。今年 2 月，OpenAI 与亚马逊建立多年期战略合作伙伴关系，亚马逊向其投资 500 亿美元，并向 OpenAI 提供 2 吉瓦的 Trainium 算力容量。OpenAI 承诺使用 Trainium 3 及下一代 Trainium 4 芯片，用于支撑其广泛的先进人工智能工作负载。

对于芯片产品而言，客户质量往往比客户数量更具信号意义。当全球最具技术鉴别能力的 AI 前沿实验室选择将核心工作负载运行在 Trainium 上时，这本身就是对芯片性能和生态成熟度最有力的背书。

从"租借算力"到"直销芯片"：500 亿美元帝国的蓝图

更值得关注的是 Trainium 商业模式的战略升维。今年 4 月，亚马逊 CEO 安迪·贾西在一封致股东的信中披露，公司正在考虑改变以往仅供内部使用的策略，转而向第三方直接销售其自研芯片及整机架——若该部门独立运营并全面对外开放，年化营收规模有望达到 500 亿美元。

贾西进一步指出，这一数字已超过 AMD 和英特尔的同期水平，并直言"我们的定制芯片业务现在已是全球三大数据中心芯片业务之一"。这并非纸上谈兵。截至披露时，亚马逊已手握 2250 亿美元的 Trainium 芯片收入承诺，涵盖 Anthropic、OpenAI 等战略客户。Trainium2 的性价比已高出同类 GPU 产品 30%，且已基本售罄;Trainium3 刚刚在 2026 年开始发货，性价比较 Trainium2 再提升 30% 至 40%，已几乎全部被预订;就连距离大规模供货还有约 18 个月的 Trainium4，其绝大部分产能也已被锁定。

两代产品全部售罄、连尚未大规模量产的下一代芯片也已被大量预订——这种需求信号在半导体行业历史上极为罕见。它表明 Trainium 的吸引力并非短期炒作，而是客户在充分评估后做出的长期战略锁定。

ASIC 结构性拐点

Trainium 的崛起，正在重塑 AI 芯片领域最深层的产业关系——亚马逊与英伟达之间长期的"供应商与客户"模式。这一关系原本清晰：英伟达负责设计和制造最强大的 AI 芯片，亚马逊作为最大的云服务商之一大规模采购。然而，当亚马逊开始设计并部署自己的 AI 加速器时，双方的角色发生了微妙变化。最新数据显示，亚马逊目前部署的 Trainium 服务器数量已超过英伟达服务器，且公司估算自研芯片相较采用外购 GPU 可节省数十亿美元的资本支出。

但这一关系并非简单的替代。亚马逊既没有放弃采购英伟达芯片——最新签署的采购承诺仍在扩大——也没有停止对 Trainium 的重注。两者目前呈现出一种复杂的"竞争共存"格局：Trainium 在推理工作负载中快速扩大份额，而英伟达 GPU 在训练大规模基础模型方面仍占据主导。

从更宏观的行业视角来看，定制 ASIC 正在经历一个结构性拐点。数据显示，2026 年，来自谷歌、微软、亚马逊和 Meta 的定制 AI 芯片正以 44.6% 的复合年增长率高速扩张，而通用 GPU 的复合年增长率仅为 16.1%。定制 ASIC 的增长主要瞄准推理市场——目前推理已占全部 AI 计算量的约三分之二。虽然英伟达当前仍占据 AI 加速器市场超过 90% 的份额，但分析师预计到 2028 年，其在推理领域的份额可能从 90% 以上降至 20% 至 30%。

Trainium 是这股定制 ASIC 浪潮中最重要的变量之一。正如行业报告所论断的：2026 年标志着"定制 ASIC 不再只是实验项目，而是成为英伟达 GPU 垄断的生产力规模替代方案"的时刻。

现实边界：Trainium 距离"全面替代"还有多远？

尽管 Trainium 正在经历显著的用户增长和性能升级，但在全面评估其市场定位时，必须保持客观与冷静。最需要澄清的一点是：对多数前沿 AI 实验室而言，Trainium 当前更适合推理而非训练。

Bojan Jakimovski 虽然证实了 Trainium 在推理环节的成本优势，但他仍表示会建议客户在大型语言模型训练上继续使用英伟达的产品。这反映了一个现实：在大规模模型训练的灵活性、算子生态的完整性以及社区支持的深度方面，英伟达 CUDA 生态建立起的优势仍然十分显著。

此外，值得注意的是，Trainium 的火热需求与亚马逊股价近期的表现存在一定脱节。尽管 Trainium AI 芯片正吸引越来越多的开发者兴趣，但亚马逊股价表现近期仍然不如其他科技巨头。市场对于 AI 芯片领域的竞争加剧——英伟达、AMD、谷歌 TPU、微软 Maia 和 Meta MTIA 同台竞技——存在整体性的估值重新定价过程。Gavin Baker 虽然在 Trainium 上持积极立场，但同时也强调 “我永远不会做空谷歌，也不会做空博通”，表明这是一个多赢市场，而非零和博弈。

此外，所有主流 AI 芯片——无论是定制 ASIC 还是英伟达 GPU——均采用台积电 3nm 工艺制造。这意味着谷歌、微软、亚马逊、Meta、英伟达全都在争夺同一家代工厂的有限产能。产能约束对所有玩家一视同仁，任何一家芯片设计商的快速扩张都可能遭遇物理交付上限的制约。