亚马逊发布3nm Trainium3芯片 百万级部署剑指英伟达AI算力霸权

发布时间：2025-12-9

类别：行业动态

阅读：0

【科技日报 记者 王庆慧 2025年12月4日】全球AI算力市场的格局正在被重塑。美国西部时间12月3日，亚马逊云科技（AWS）在re:Invent 2025全球大会上抛出重磅消息：正式推出采用3nm制程的第三代自研AI芯片Trainium3，其搭载的Trn3 UltraServer服务器总算力突破362PFlops，在整机性能上首次超越英伟达旗舰机型Blackwell GB200 NVL72。AWS CEO马特·加曼同时披露，目前Trainium系列芯片部署量已超100万枚，年创收达数十亿美元，下一代Trainium4芯片也已进入研发攻坚阶段，计划通过支持英伟达NVLink技术实现生态协同。这场“云巨头造芯”运动，正从成本端到性能端全面冲击英伟达的市场主导地位。

技术突破：3nm制程加持，能效比实现五倍跃升

作为亚马逊首款3nm制程AI芯片，Trainium3的核心竞争力集中在“高能效比”与“成本控制”两大维度。该芯片由台积电独家代工，采用CoWoS先进封装技术，单芯片配备144GB HBM3E高带宽内存，内存带宽达4.9TB/s，密集FP8运算性能超2.5PFLOPs。相较于上一代Trainium2，其每兆瓦电力产生的Token数量提升五倍，这意味着在处理同等规模的AI模型训练任务时，电费成本可降低80%。

整机性能的突破更具颠覆性。AWS推出的Trn3 UltraServer服务器创新性地集成144枚Trainium3芯片，通过自研的Elastic Fabric Adapter（EFA）高速互连技术，实现362PFlops的FP8精度总算力。这一数据直接超越英伟达基于Blackwell Ultra架构的GB300 NVL72服务器——后者采用4nm制程的GB200芯片，72卡集群总算力约350PFlops，且每兆瓦能耗产生的Token数量仅为Trainium3的1/4。“Trainium3将AI模型训练成本最高降低50%，推理成本降低40%，这对大规模部署大模型的企业而言是致命吸引力。”AWS计算和机器学习副总裁Dave Brown在发布会上强调。

路线图显示，下一代Trainium4芯片已进入设计验证阶段，其性能提升将更具爆发力：在FP4计算精度下性能较Trainium3提升6倍，内存带宽与容量分别提升4倍和2倍。更值得关注的是，Trainium4将首次支持英伟达NVLink Fusion高速互连技术，可无缝接入英伟达MGX机架与GPU协同工作，打破此前云厂商自研芯片的生态闭环。英伟达相关负责人证实，双方已就技术适配达成合作，这一举措被业内解读为“算力竞争从对抗走向有限协同”的信号。

市场布局：百万级芯片落地，客户成本降低一半

与英伟达芯片“直接销售”模式不同，亚马逊始终坚持Trainium系列芯片的“云服务化”供应策略——企业客户无需采购硬件，通过AWS的EC2实例即可调用算力。这一模式已快速打开市场，目前Anthropic、Databricks、理光等企业已实现规模化采用。

作为亚马逊重点投资的AI初创公司，Anthropic的应用案例最具代表性。该公司通过AWS的“雷尼尔计划”（Project Rainier），已接入超50万枚Trainium2芯片构建算力集群，规模是其训练上一代Claude模型时的5倍。Anthropic CEO Dario Amodei透露，采用Trainium芯片后，Claude 4大模型的训练成本降低50%，推理响应速度提升3倍，计划在2025年底前将Trainium2集群规模扩至100万个，用于支撑Claude Opus 4.1的多模态能力升级。AI生成视频公司Decart的实测数据同样亮眼：使用Trainium3进行实时视频生成，推理速度提升4倍，成本仅为此前使用英伟达GPU方案的一半。

加曼在大会上披露的一组数据印证了市场认可度：Trainium系列芯片已成为AWS的“数十亿美元级业务”，过去12个月算力调用量增长300%，覆盖智能驾驶、生物医药、工业仿真等20余个领域。“客户需要的不是单一芯片，而是‘算力+算法+服务’的整体解决方案，这正是我们的优势所在。”加曼表示。

正面交锋：性能反超背后，生态短板仍是软肋

Trainium3的发布，标志着亚马逊与英伟达的AI算力竞争从“成本补充”升级为“性能对抗”。长期以来，英伟达凭借Blackwell架构芯片的单卡性能优势占据全球AI芯片市场80%以上份额，其GB200芯片采用台积电4nm工艺，集成两个B200 GPU核心与Grace CPU，AI算力达20PFLOPs，推理性能较前代H100提升30倍。但在集群部署场景下，Trainium3通过“数量优势+架构优化”实现了弯道超车——Trn3 UltraServer的144卡集群算力，相当于18台英伟达GB200 NVL72服务器的总和，而建设成本仅为后者的60%。

不过，亚马逊的短板也同样明显：软件生态的深度不足。目前全球主流AI框架对Trainium芯片的适配率仅为65%，部分复杂模型需进行二次开发才能部署，而英伟达凭借CUDA生态积累，适配率接近100%。“除了亚马逊投资的Anthropic，尚未有其他大规模采用Trainium芯片的知名企业，核心原因就是软件迁移成本过高。”高盛半导体分析师张宇指出。这也解释了Trainium4支持NVLink技术的战略考量——通过与英伟达生态兼容，降低客户的迁移门槛，实现“以生态换市场”。

英伟达对此反应谨慎，其CEO黄仁勋在内部会议中强调“AI算力市场足够大，客户需要多样化选择”，并透露将加速推出Blackwell Ultra芯片，计划2026年实现FP4精度下的性能翻倍。资本市场则呈现分化态势：发布当日亚马逊股价微涨0.23%，收于234.42美元；英伟达股价下跌1.1%，至910美元，反映出市场对其算力霸权松动的担忧。

行业冲击：云巨头造芯潮，重构AI算力供给格局

Trainium3的发布并非孤例，而是全球云巨头“自研芯片替代”浪潮的缩影。就在一个月前，谷歌发布第七代TPU芯片Ironwood，能效比提升3倍；Meta则宣布计划从2027年起大规模采用谷歌TPU，订单规模达数十亿美元。这些云厂商凭借“芯片自研+算力服务”的垂直整合模式，正在从英伟达的最大客户转变为直接竞争对手。

对国内市场而言，这一趋势既带来启示也暗藏挑战。“亚马逊的突破证明，通过聚焦云场景的定制化设计，即使在先进制程上与头部芯片厂商存在差距，仍可通过系统优化实现竞争力反超。”中科院计算所研究员张华表示。目前国内阿里云、腾讯云也在推进自研AI芯片，但在制程工艺（主流为7nm）、软件生态适配等方面仍有差距。

行业普遍认为，Trainium3的发布将加速AI算力市场的“分层竞争”：英伟达仍将主导对单卡性能要求极高的超大规模模型训练场景，而亚马逊等云厂商的自研芯片将在云推理、中等规模训练等场景快速替代。马特·加曼在大会结尾的表态更具深意：“我们不追求取代谁，而是要通过技术创新让AI算力变得更廉价、更易得。”这场以“成本革命”为起点的算力竞争，正推动全球AI产业进入更高效的发展阶段。