Amazon Trainium vs Nvidia：AI 開發者點解開始轉向 AWS 晶片

OpenAI
AWS 取得約 2 GW Trainium 算力容量的承諾，成為其 AI 基建合作的一部分。

Uber
Uber 擴大與 AWS 的合作，不但在生產系統使用 Amazon 的 Graviton CPU，亦開始 測試用 Trainium3 訓練 AI 模型。

這些合作的重要之處在於：Trainium 不再只用於 Amazon 內部，而是被前沿 AI 實驗室與大型企業平台採用。

為甚麼部分 AI 公司開始減少對 Nvidia 的依賴

即使如此，Nvidia 仍然是 AI 硬件市場的霸主。估計顯示它仍然控制約 81% 的資料中心 AI 晶片市場。

但幾個結構性因素正在推動企業尋找替代方案。

1. GPU 供應緊張
訓練大型 AI 模型需要數萬甚至數十萬個加速器。如果只依賴單一供應商，一旦需求暴增就容易出現瓶頸。

2. 計算成本壓力
AI 訓練已成為科技公司最大的開支之一。專門為 AI 工作負載設計的晶片，有機會降低整體成本。

3. 雲端平台垂直整合
AWS 等公司若自行設計晶片，可以同時控制硬件供應、數據中心架構與價格策略。

因此目前不少公司採取的其實不是「棄用 Nvidia」，而是 多架構算力策略：

• Nvidia GPU
• AWS Trainium
• Google TPU

不同工作負載使用不同晶片。

Trainium3 帶來甚麼提升

AWS 最新一代架構是 Trainium3，主要目標是提升大型 AI 模型訓練效率。

官方資料顯示，相比上一代 Trainium2，Trainium3 有幾項明顯升級：

• 最高 4.4 倍計算性能
• 約 4 倍能源效率提升
• 接近 4 倍記憶體頻寬
• 可組成 144 顆晶片集群，最高 362 FP8 petaflops 計算力

AWS 表示，一些客戶在 Trainium 系統上訓練或推理模型時，成本最多可降低約 50%，但實際效果仍視乎模型架構與軟件優化程度。

此外，AWS 指 Trainium2 的價格性能比已比可比較 GPU 高約 30%，而 Trainium3 再提升 30–40%。

不過需要留意的是，目前跨不同工作負載的獨立 benchmark 仍然不多，而 Nvidia 在軟件工具和開發者生態方面仍然佔有明顯優勢。

AI 晶片競賽：Amazon、Nvidia、Google

現在 AI 晶片市場大致形成三種不同策略。

Nvidia：GPU 生態系統
Nvidia 仍是 AI 訓練的主流平台，其 CUDA 軟件生態成熟，廣泛被 AI 研究機構使用。

Google：TPU 自研晶片
Google 是最早自研 AI 加速器的大型公司之一，Tensor Processing Units（TPU）已在 Google Cloud 提供給客戶。

Amazon：雲端整合型架構
AWS 正建立完整硬件堆疊，包括：

• Graviton CPU
• Trainium AI 加速器
• 自家網絡與數據中心架構

Amazon 的策略並非單純比拼單顆晶片性能，而是把晶片、雲服務與長期基建合約綁在一起。

總結

Amazon 的 Trainium 正逐步從「內部優化工具」變成一個 大型 AI 基建平台。

與 Anthropic、OpenAI 等 AI 實驗室的巨額合作，加上企業客戶的逐步採用，以及不斷改善的價格性能比，都令 Trainium 成為訓練大型 AI 模型的可行選擇。

短期內，Nvidia 仍然是 AI 硬件市場的主導者。但隨著 Amazon、Google 等雲端巨頭加速自研晶片，未來 AI 基建很可能不再由單一晶片平台主導，而是進入 多架構並存的時代。