亚马逊卖芯片了，要动英伟达的蛋糕

2026年4月的一个财报电话会上，亚马逊CEO安迪·贾西抛出了一颗行业炸弹：未来两年内，他们将把自研的Trainium AI芯片打包成物理机架，直接卖给外部客户。这意味着，这家靠云服务租算力的公司，要正式当起芯片商——而它的第一个对手，就是占据AI芯片市场78%份额的英伟达。更惊人的是，贾西同时透露，Trainium已经攥住了2250亿美元的客户收入承诺，OpenAI、Anthropic这些AI巨头都是它的买家。为什么亚马逊敢突然换赛道？这颗芯片到底藏着什么底气？

从云里的算力到手里的芯片

你可以把Trainium理解成一台专为AI训练量身定做的「超级计算器」——它不像通用GPU那样什么活都干，而是把所有性能都堆在AI模型训练这一件事上。2015年亚马逊收购以色列芯片公司Annapurna Labs后，花了8年磨出这把刀：最新的Trainium3用了台积电3nm工艺，单芯片FP8算力能达到2517 TFLOPS，搭配144GB的HBM3E内存，带宽是前代的1.7倍。

但真实的厉害之处不在单芯片，而在「攒局」的能力。Trainium3放弃了传统的环形网络，改用全互联交换架构，最多能把144颗芯片塞进一个液冷机架，整体算力相当于362 PFLOPS——足够支撑万亿参数级的大模型训练。更关键的是，它的成本比英伟达H100低30%-50%，这对被算力成本压得喘不过气的AI公司来说，几乎是无法拒绝的诱惑。

不过现在的Trainium还带着云服务的「胎记」：它只能通过AWS的云实例租用，客户碰不到物理硬件。而卖机架，相当于把这台超级计算器的钥匙直接递出去——企业可以把它放进自己的数据中心，不用再按月给云服务商交钱。

抢蛋糕的底气和隐忧

亚马逊敢挑战英伟达，手里握着两张硬牌：一是客户，二是成本。贾西提到的2250亿美元收入承诺里，光是Anthropic就锁定了1000亿美元的Trainium容量，OpenAI也签了1380亿美元的多年合同。这些客户不是小作坊，是每天都要烧几亿算力的AI巨头，他们的选择本身就是最好的广告。

但硬币的另一面，是绕不开的尴尬：亚马逊至今还在依赖英伟达的GPU支撑部分云服务。如果真的把芯片卖到市场上，等于和自己的「供应商」直接开战——万一英伟达收紧GPU供应，亚马逊的云业务可能先受影响。而且Trainium的软肋也很明显：它的软件生态和英伟达的CUDA比起来，还像个刚学会走路的孩子。

有开发者测试过，用Trainium训练CNN模型，速度是CUDA的2.3-4.9倍慢，成本甚至是3-5倍高；更麻烦的是，一些现代CNN架构因为硬件缓存限制，根本没法在Trainium上运行。亚马逊也在补这个短板：他们计划开源PyTorch后端、编译器和通信库，试图拉开发者入伙，但要追上英伟达400万开发者的生态，显然不是一朝一夕的事。

算力市场的新游戏规则

亚马逊卖芯片这件事，真正改变的不是芯片市场的格局，而是AI算力的「购买逻辑」。过去企业要做AI训练，要么租云服务商的算力，要么花大价钱买英伟达的GPU——现在多了第三个选择：买亚马逊的机架，自己搭算力集群。

这背后是AI公司的普遍焦虑：云服务的按次付费模式，长期算下来成本高得离谱；而英伟达的GPU常年缺货，有钱也未必能买到。Trainium的出现，相当于给市场打开了一个缺口：企业可以用更低的成本锁定长期算力，还能避开供应链的卡脖子问题。

但这条路也不好走。买机架不是买服务器，企业得自己解决散热、运维、模型迁移这些麻烦事——光是把一个训练好的模型从CUDA转到Trainium，可能就要花50个小时改代码。而且亚马逊自己也面临挑战：3nm工艺的良率不稳定，Trainium3的产能能不能跟上订单还是未知数；液冷机架的部署成本极高，不是所有企业都能负担得起。

当亚马逊把Trainium的机架推向市场时，它其实在做一件比卖芯片更重要的事：打破AI算力市场的「单一供应商依赖」。过去几年，英伟达的GPU几乎成了AI训练的代名词，所有公司都在跟着CUDA的规则走。而现在，终于有了一个能拿出真金白银客户的挑战者。

当然，亚马逊未必能立刻撼动英伟达的地位——CUDA的生态壁垒不是靠一款芯片就能打破的。但它至少证明了一件事：AI算力的未来，不该只有一种选择。「算力的竞争，最终是生态的竞争」，这句话放在今天，比任何时候都更有分量。也许用不了多久，我们会看到越来越多的企业，把不同厂商的芯片混在一起用——毕竟，能解决问题的算力，才是好算力。