Amazon Trainium vs Nvidia：AI 开发者为何开始转向 AWS 芯片

这些合作的重要意义在于：Trainium 的使用者不仅包括亚马逊内部系统，还包括前沿 AI 实验室和大型互联网平台。

为什么一些 AI 工作负载开始不再只依赖 Nvidia

尽管 Nvidia 依然是 AI 硬件领域的绝对领导者。估计显示，它仍然占据约 81% 的数据中心 AI 芯片市场。

但行业出现了几种推动多元化算力的压力。

供应紧张
训练大型 AI 模型需要成千上万颗加速器。如果完全依赖单一供应商，在需求高峰期容易出现算力瓶颈。

成本压力
算力已经成为 AI 开发最大的开支之一。针对特定工作负载设计的定制芯片，有机会降低整体训练成本。

云厂商的垂直整合
通过自研芯片，云厂商可以同时控制硬件、网络和数据中心架构，从而优化性能并降低价格。

现实情况是，大多数公司并没有彻底放弃 Nvidia GPU，而是采用多供应商策略：在 GPU 集群之外，加入 Trainium 或 Google TPU 等定制芯片。

Trainium3 带来了哪些提升

AWS 最新一代架构 Trainium3 专门针对大规模 AI 模型训练进行了升级。

根据 AWS 发布的信息，与 Trainium2 相比，新一代系统提供了多项性能提升：

• 最高 4.4 倍计算性能提升
• 约 4 倍能效提升
• 接近 4 倍的内存带宽
• 支持 144 颗芯片集群，总算力可达 362 FP8 PFLOPs

AWS 表示，在一些客户案例中，使用 Trainium 系统可以让训练或推理成本降低最多约 50%，但具体结果仍取决于模型结构和软件优化程度。

此外，亚马逊还表示 Trainium2 的性价比已比同类 GPU 高约 30%，而 Trainium3 在此基础上又提升约 30%–40% 的价格性能比。

不过需要注意的是，目前跨多种工作负载的独立基准测试仍然有限，而 Nvidia 在开发工具和软件生态方面仍具有明显优势。

AI 芯片格局：Amazon、Nvidia 与 Google

当前 AI 硬件市场正逐渐形成三种主要路线。

Nvidia
AI 芯片领域的主导者，其 GPU 和 CUDA 软件生态仍是训练大型模型的主流平台。

Google
最早布局定制 AI 芯片的科技公司之一，其 TPU（Tensor Processing Unit） 已在 Google 内部和云平台广泛使用。

Amazon
AWS 正在构建一个完整的自研硬件体系，包括 Graviton CPU、Trainium AI 加速器以及自研网络硬件，全部整合进 AWS 云基础设施。

与 Nvidia 单纯销售 GPU 不同，亚马逊更侧重于把芯片、云服务和长期算力合同绑定在一起，形成完整的 AI 基础设施平台。

结论

Amazon 的 Trainium 芯片之所以迅速获得关注，是因为 AWS 正在把自研芯片变成一个规模巨大的 AI 基础设施业务。

来自 Anthropic、OpenAI 等 AI 实验室的巨额算力协议、企业客户的逐渐采用，以及持续提升的价格性能比，都让 Trainium 成为大型 AI 工作负载的一个可信替代方案。

Nvidia 依然是 AI 硬件领域最强大的力量，其生态优势短期内难以撼动。但随着云巨头不断推出定制芯片，未来的 AI 基础设施很可能不再由单一硬件平台主导，而是形成多种架构并存的格局。