當談到人工智能芯片，Nvidia就像是半導體界的高地霸主，手握業界最強大的GPU技術，幾乎所有雲服務巨頭——包括亞馬遜的AWS、微軟的Azure 和谷歌雲平臺(Google Cloud Platform)——都在仰賴它。然而，這些雲服務巨頭，眼睜睜看着輝達的晶片主導AI市場，心中不免滋生出「自主可控」的渴望。
事實上，亞馬遜在這條道路上走得最遠。作為全球最大雲計算服務供應商，亞馬遜不僅希望在雲端基礎設施上自給自足，更想挑戰Nvidia，成為AI芯片領域的玩家。這是一場豪賭，但亞馬遜過去已經有過類似的賭注。15年前，它開創了雲計算業務，隨後便開始自力更生，逐步淘汰包括英特爾(Intel)在內的傳統供應商，轉而採用自家定製的硬體。現在，它希望用自家AI芯片，再次重演這段歷史。
芯片之戰:從Inferentia到Trainium的進化
亞馬遜自研AI芯片的故事始於2019年，當時推出了Inferentia，專注於處理AI推理任務(如Alexa語音助手的指令識別)。隨後，它又推出了Trainium，專為訓練機器學習模型而設計。如今，它的第三代芯片Trainium2正式登場，這被視為生死攸關的一步:如果這一代芯片無法取得足夠的市場份額，這場「登月計劃」可能就此夭折。
數據顯示，亞馬遜的芯片確實有可圈可點之處。以Trainium為例，它據稱比Nvidia芯片提供30%更好的性能價格比，這對成本壓力日益增大的AI項目來說是一個不小的吸引力。然而，正如Databricks AI負責人Naveen Rao所言，這是一場經濟學和供應鏈的戰爭。Nvidia不僅有強大的硬件，還有成熟的生態系統——從軟件工具到客戶支持，幾乎無可挑剔。相比之下，亞馬遜的Neuron SDK還處於「襁褓期」，用戶需要花費數百小時的工程時間才能完成從 Nvidia平臺的遷移。
挑戰與機遇:亞馬遜的雙重角色
亞馬遜的策略有些微妙：它既是Nvidia的大客戶，又是潛在的競爭對手。這種雙重身份讓它在市場上的每一步都像在走鋼絲。一方面，它需要依賴Nvidia提供的高端GPU來支撐AWS的核心業務；另一方面，它希望自己的芯片能分擔部分內部AI工作負載，甚至吸引更多外部客戶。
目前，亞馬遜的初步成果已經顯現。一些日本企業，如Ricoh，選擇使用Trainium將訓練好的英語模型轉換為日文。而大型AI研究公司Anthropic也表示，亞馬遜芯片的價格與性能令人印象深刻。不過，他也提到，創造出讓客戶輕鬆使用AWS晶片的優秀軟體是「必須的任務」。
Nvidia的堡壘真的能攻破嗎？
Nvidia的強大之處在於它不僅是硬件公司，還是軟硬件一體化的典範。它的CUDA平臺和相關工具讓AI開發者可以輕鬆部署機器學習項目，幾乎沒有門檻。而亞馬遜的Neuron SDK，雖然在快速改進，但仍然缺乏成熟度。正如 Gartner副總裁Chirag Dekate所言，使用Nvidia芯片時，你不必擔心細節問題，這種無憂體驗是亞馬遜目前無法提供的。
此外，亞馬遜還面臨一個棘手的現實:AI芯片市場是一個資本密集型、技術壁壘極高的市場。即便是亞馬遜這樣的巨頭，也未必能承受連續幾代產品的失敗帶來的財務壓力與市場信心損失。
亞馬遜的AI芯片計劃是一場高風險的豪賭，但它並非盲目行事。過去，亞馬遜在雲計算領域的成功證明瞭其創新的能力。然而，芯片市場與雲服務不同，這裏的規則更加殘酷。
對亞馬遜來說，成功的標準或許不在於完全取代Nvidia，而是能否為自己和客戶分擔部分成本壓力，同時建立一個可持續的芯片生態系統。如果Trainium2能夠達成這一目標，那麼這場「登月計劃」就已經值得慶祝。
至於是否能真正撼動Nvidia的地位，或許亞馬遜需要的不僅是「登月」，而是一場「星際遠徵」。畢竟，Nvidia早已不僅僅是一家芯片公司，它是AI世界的「瑞士軍刀」。亞馬遜想要挑戰它，還得再練幾年功夫。
筆者的個人結論是，不妨繼續細心觀察，並謹慎下注。
Comments