Amazon kan börja sälja sina AI-chipp direkt till kunder

Om planen blir verklighet går Amazon från att vara en användare och leverantör av chipbaserad molnkapacitet till att också bli en direkt säljare av halvledare – och en mer direkt konkurrent till Nvidia .

Chipverksamheten växer snabbt

Det är inte svårt att se varför Amazon överväger steget. Den egenutvecklade chipverksamheten, som omfattar både Graviton och Trainium, uppges ha en årlig intäktstakt på över 20 miljarder dollar och växer i tresiffrig takt från år till år .

Jassy sade i samband med kvartalsrapporten att chipverksamheten skulle kunna ha en årlig intäktstakt på omkring 50 miljarder dollar om den drevs som ett fristående bolag och sålde både till AWS och till externa kunder . Det är inte en separat värdering i traditionell mening, men siffran visar hur Amazon ser på den möjliga storleken på affären.

Efterfrågan är samtidigt större än tillgången. Amazon uppger att bolaget har över 225 miljarder dollar i intäktsåtaganden kopplade till Trainium och att chipverksamheten är ”utsåld två generationer framåt” . Två stora AWS-kunder har dessutom frågat om de kunde köpa hela Amazons tillgängliga Graviton-kapacitet för 2026. Amazon avböjde för att även andra kunder skulle få tillgång till tjänsten .

Trainium2 och Trainium3: Amazons viktigaste siffror

Amazon framhäver framför allt prisprestanda – hur mycket AI-arbete som kan utföras för en viss kostnad – snarare än att enskilda chipp måste ha högst möjliga topprestanda.

• Trainium2: Enligt Amazon ger chipet ungefär 30 procent bättre prisprestanda än jämförbara GPU-baserade molninstanser. Tillgången är till stor del slutsåld .
• Trainium3: Chipet började levereras i början av 2026 och uppges ge ytterligare 30–40 procent bättre prisprestanda än Trainium2. Det är samtidigt nästan fulltecknat .
• Teknisk grund: Trainium3 tillverkas med TSMC:s 3-nanometersprocess och levererar 2,52 PFLOPS i FP8-beräkning per chip. Amazon säger också att Trn3 UltraServers kan kosta upp till 50 procent mindre att köra för inferens än kluster baserade på Nvidia H100 .

Inferens innebär den fas där en färdig AI-modell används för att generera svar eller göra förutsägelser. För stora AI-tjänster kan kostnaden för denna löpande användning bli minst lika viktig som kostnaden för att träna modellen.

Amazons svagare punkt är mjukvaran. Nvidia har under lång tid byggt upp CUDA, ett etablerat utvecklarverktyg och ekosystem som många AI-modeller redan är optimerade för. Amazon investerar därför i AWS Neuron för att minska tröskeln för kunder som vill flytta arbetslaster till Trainium .

Anthropic är den viktigaste kunden

Amazons starkaste bevis på kundintresse kommer från Anthropic, företaget bakom AI-modellen Claude.

Anthropic har åtagit sig att spendera mer än 100 miljarder dollar på AWS under det kommande decenniet och har reserverat 5 gigawatt Trainium-kapacitet för att träna och köra Claude på generationerna Trainium2, Trainium3 och Trainium4 .

Över 500 000 Trainium2-chipp planeras i Anthropic-klustret Project Rainier. Sammantaget väntas distributionen vid Amazons datacenter överstiga en miljon chipp . Tre AWS-anläggningar som befinner sig i slutfasen av byggandet uppges ha mer än 1,3 gigawatt IT-kapacitet avsatt enbart för Anthropics träningsbehov .

OpenAI och Apple har också rapporterats använda Trainium, medan OpenAI uppges ha säkrat Trainium-kapacitet på flera gigawatt . Uber nämns som en AWS-kund som använder Trainium-baserad inferens . Amazon har däremot inte offentliggjort någon exakt chipmängd för Uber.

Peter DeSantis ska knyta ihop hela teknikstacken

I december 2025 och januari 2026 skapade Amazon en ny samlad organisation för AI och kisel under Peter DeSantis, som har arbetat på Amazon i 27 år. Han ansvarar nu för AI-modeller som Nova, egenutvecklade chipp som Trainium, Inferentia och Graviton samt kvantteknik .

Tanken är att utvecklingen ska ske mer samordnat. DeSantis har beskrivit kontroll ”ända ner till kislet” som ett sätt att optimera AWS utifrån kundernas behov. Genom att koppla samman chipdesign, modellarkitektur och molninfrastruktur kan Amazon enligt resonemanget skapa förbättringar som förstärker varandra .

I en intervju i juni sade DeSantis att AI behöver förbättras med ”ett par storleksordningar” innan tekniken når sin fulla omvandlande potential. Han räknar också med att nya modellarkitekturer kommer att utvecklas bortom dagens transformerbaserade modeller. Det skulle kräva ännu tätare samarbete mellan hårdvara och mjukvara .

Detta är Amazons centrala strategiska satsning: att bygga AI-modeller, chip och molntjänster som ett sammanhängande system. Bolaget hoppas därmed skapa en kostnads- och prestandafördel som är svårare för en renodlad chipleverantör att kopiera .

Amazon mot Nvidia – men utan att bryta samarbetet

Jassy har blivit allt tydligare i sin jämförelse med Nvidia. I aktieägarbrevet skrev han att nästan all AI-utveckling hittills har använt Nvidia-chipp, men att kunderna börjar upptäcka att det finns ett alternativ med bättre prisprestanda .

Amazon har samtidigt inte övergett Nvidia. GPU:er från Nvidia finns fortfarande brett tillgängliga via AWS, och bolagen har fortsatt ett nära partnerskap. Trainium framställs i stället som Amazons långsiktiga strategiska skillnad – ett sätt att minska beroendet av externa acceleratorer och förbättra ekonomin i AI-inferens .

Jassy har sagt att Trainium i stor skala kan spara Amazon tiotals miljarder dollar i årliga investeringar och ge en rörelsemarginalfördel på flera hundra baspunkter jämfört med att förlita sig på andras chipp för inferens .

Med en årlig intäktstakt på över 20 miljarder dollar, mer än 225 miljarder dollar i kundåtaganden och stora avtal med några av världens ledande AI-bolag är Trainium hittills Amazons mest trovärdiga försök att utmana Nvidias dominans inom AI-acceleratorer . Den stora frågan är nu om Amazon nöjer sig med att använda försprånget internt – eller om bolaget faktiskt blir en chipleverantör även utanför AWS.