AWS 首席执行官 Matt Garman 近日在接受彭博采访时，披露了 AWS 在人工智能基础设施上的技术路线：公司采用英伟达 GPU 与自研专用 ASIC 芯片 Trainium、Graviton CPU 组合使用的混合策略，面向企业客户提供更灵活的算力配置。
Garman 表示，这种兼顾性能和成本效率的云架构，是 AWS 云服务持续吸引客户、并带动 Amazon（NASDAQ：AMZN）销售表现的重要因素。面对强劲需求，AWS 正把英伟达 GPU 与自研芯片协同部署，用于满足不同类型的 AI 工作负载。
AWS称AI年化收入已达250亿美元
按照 Garman 的说法，AWS 目前人工智能相关业务的年化收入已达到 250 亿美元。相关增长动力主要来自金融、医疗保健和媒体等行业，覆盖 AI 模型训练、推理以及智能体工作负载。
由于市场需求持续强劲，AWS 计划继续投入资金扩建云基础设施，并与客户签署长期合作协议，以承接后续增长。
Trainium与Graviton、英伟达GPU协同运行
报道显示，Trainium 由 AWS 旗下子公司 Annapurna Labs 开发，是面向 AWS 云工作负载设计的 ASIC 芯片，主要处理高强度 AI 推理任务，同时覆盖新模型训练和实际运行中的推理作业。
Garman 提到，AWS 能够从芯片、数据中心到软件完整掌控整套技术栈，因此可以围绕特定需求优化系统性能。对客户而言，在执行推理工作负载时，这套方案可将基础设施成本降低约 20% 至 30%。
除 Trainium 外，Graviton 也是亚马逊自研的通用 CPU，采用 Arm 架构。Trainium 可与 Graviton 及英伟达 GPU 协同运行，形成更灵活的高性能算力组合。报道将 Graviton 与英伟达的 Vera Rubin CPU 作了类比。
AWS现阶段不出售自研芯片
市场也在关注，AWS 是否会把这类自研定制芯片作为独立产品对外销售。如果这样做，AWS 与合作伙伴英伟达之间的关系可能会出现直接竞争。
对此，Garman 表示，公司确实评估过出售定制芯片的可能性，但现阶段的重点仍是把 Trainium 和通用计算芯片 Graviton 用在 AWS 自身的云基础设施中，优先满足内部需求。按他的说法，AWS 暂时不会把 Trainium 或 Graviton 作为产品出售。
云服务商自研芯片已成共同趋势
报道指出，开发定制芯片正成为大型云服务提供商的共同方向。除 AWS 的 Trainium 外，Google Cloud 已推出 TPU 以加速机器学习；微软 Azure 推出了 Maia AI 加速器和 Cobalt CPU；Meta 也在开发 MTIA 处理器，用于支持内部 AI 需求。
从 AWS 当前表态来看，公司短期内仍将把自研芯片定位为云基础设施的一部分，而不是单独对外销售的芯片产品。