近日，有消息称，为减少对英伟达芯片的依赖，亚马逊正在推进一项名为“登月”（Moonshot）的内部计划，旨在加速研发新一代AI芯片Trainium2。据悉，这款芯片正在亚马逊位于得克萨斯州奥斯汀的工程实验室进行开发，目标是在其数据中心部署多达10万颗Trainium2芯片，以提升AI训练效率并降低芯片采购成本。
亚马逊自研芯片布局加速
近年来，亚马逊通过自研芯片不断优化数据中心的性能与成本。据云成本管理平台Vantage的数据显示，在Amazon EC2 M7系列通用实例中，采用亚马逊自研Graviton芯片的M7g系列实例已占据超过三分之一的市场份额（34.5%），显示出自研芯片在云计算领域的优势。
亚马逊的自研芯片历史可以追溯到2016年。在当年的re:Invent大会上，亚马逊首次发布了基于Arm架构的自研芯片Graviton，随后陆续推出Graviton2（2019年）、Graviton3（2021年）以及最新的Graviton4（2023年）。Graviton芯片以高性能、低功耗和成本优势著称，逐步成为亚马逊云服务的重要基础。
Graviton4的性能提升
作为最新一代产品，Graviton4采用了Arm Neoverse V2架构，具备更高的核心数量、更快的内存带宽和更强的计算性能。根据测试数据，Graviton4的性能较上一代Graviton3提升了30%以上，内核数量增加50%，内存带宽提升75%。在与其他主流芯片的对比中，Graviton4的性能略优于英特尔至强处理器，但在某些工作负载下仍落后于AMD EPYC处理器。
Graviton4的推出进一步巩固了亚马逊在云计算领域的领先地位，同时为其他自研芯片项目（如Trainium系列）提供了技术积累和经验支持。
Trainium2：亚马逊的AI芯片新突破
Trainium2是亚马逊在AI芯片领域的重要布局，被认为是对标英伟达H100的产品。据悉，Trainium2的研发始于亚马逊2015年收购Annapurna Labs之后，历经多年技术积累，终于在2023年re:Invent大会上正式亮相。
Trainium2的核心性能
根据亚马逊官方数据，Trainium2相比上一代产品在训练速度上提升了4倍，能效提升2倍，内存容量是上一代的3倍。此外，Trainium2能够在EC2 UltraClusters中扩展至多达10万个芯片，支持快速训练基础模型和大语言模型。这些性能指标使其在AI训练任务中具备显著优势，尤其是在高效能和大规模部署方面。
目前，Trainium2已经开始接受包括Anthropic、Databricks等AI初创企业以及德国电信、日本理光等客户的测试。同时，亚马逊计划率先在俄亥俄州等核心数据中心部署该芯片，并逐步扩展至全球更多数据中心。
“登月”计划的战略目标
Trainium2的研发和部署是亚马逊“登月”计划的重要组成部分。按照规划，Trainium2将首先用于亚马逊内部的AI训练项目，并逐步推向初创企业和大客户。一旦成功实现规模化应用，Trainium2将显著降低亚马逊对外部芯片供应商的依赖，同时提升AWS在AI训练领域的竞争力。
面临的挑战与机遇
尽管Trainium2在技术上取得了诸多突破，但其在市场落地过程中仍面临多方面的挑战：
1. 自研芯片的技术难度
英伟达在通用计算GPU领域积累了多年的经验，其芯片优化已接近极限。亚马逊要想在性能、功耗和面积（PPA）等核心指标上超越英伟达，可能需要依赖更先进的工艺技术和创新设计。然而，这不仅增加了研发成本，还可能因初期出货量较低而导致单位成本居高不下。
2. 软件生态的劣势
目前，英伟达的CUDA生态在GPGPU领域处于垄断地位，几乎所有主流AI框架都已深度集成CUDA支持。亚马逊虽然推出了Neural SDK工具链，但与英伟达成熟的软硬件生态相比仍处于起步阶段。如何吸引开发者迁移至Trainium2平台，并构建完善的生态系统，将是亚马逊面临的重大考验。
3. 市场竞争的压力
除了英伟达，AMD和英特尔也在AI芯片领域积极布局。例如，AMD的MI300系列芯片在AI训练性能上表现出色，英特尔则依托其强大的市场份额和技术积累不断推出竞争产品。在这一背景下，亚马逊需要通过差异化优势和成本效益赢得市场认可。
展望：亚马逊的AI芯片未来
随着AI技术的快速发展，AI芯片市场正迎来爆发式增长。亚马逊通过自研芯片布局，不仅能够降低对外部供应商的依赖，还能在成本、性能和生态方面实现更多自主权。尽管面临技术和市场方面的挑战，但Trainium2的推出标志着亚马逊在AI芯片领域迈出了重要一步。
未来，随着亚马逊持续优化自研芯片性能并完善软件生态，其在AI训练和推理领域的竞争力有望进一步提升。同时，亚马逊的“登月”计划也将为其在云计算和AI领域的长期发展奠定坚实基础。
