当亚马逊（Amazon）在2015年收购芯片设计公司Annapurna Labs时，AI热潮还有好几年才会到来。当时押下的赌注非常明确：如果专为云端工作负载设计芯片，而不是依赖通用硬件，就能以更低的成本提供更高的性能。

十年后，这一赌注已成为亚马逊历史上增长最快的业务之一。

亚马逊的芯片业务——涵盖用于AI训练与推理的 Trainium、用于通用云计算（以及日益增多的代理式AI，即Agentic AI）的 Graviton，且均基于用于安全和 networking 的 Nitro 系统——最近的年化营收跑率（annual revenue run rate）已突破 250亿美元，实现了三位数的同比增长。

“鉴于我们在AI（通过 Trainium）和 CPU（通过 Graviton）领域都拥有领先的性价比芯片，我们在这场AI转折点中处于极为有利的地位。”—— 安迪·贾西（Andy Jassy），亚马逊首席执行官

以下年表详细记录了亚马逊多代专用芯片的发展历程。

在历史上，AI芯片市场并不急于降低成本，行业领导者也极少自我颠覆。亚马逊则选择了一条不同的道路。

亚马逊没有完全依赖现成的处理器，而是从零开始针对特定的工作负载设计芯片。这种方法实现了深度垂直整合：硬件和软件工程师从芯片设计一直到服务器部署全程紧密合作，以逆向工作法（Working Backwards）从系统倒推，从而打造出完全契合客户实际运行工作负载的芯片。

AWS Trainium3 芯片

其成果便是服务于不同但互补角色的三大芯片系列：

• Trainium：专为 AI训练与推理 打造——即训练AI模型以及大规模运行这些模型的高强度计算工作。

  
  

• Graviton：处理 通用云计算——即驱动现代软件的网站、应用程序、数据库以及日益增加的代理式AI工作负载。在我们的前1,000家顶级 EC2 客户中，有 98% 都在使用 Graviton，且其营收承诺环比增长了近3倍。最新一代 Graviton5 比上一代性能提升高达25%，其增长速度几乎是 Graviton4 的两倍。

  
  

• Nitro：为 AWS 云基础设施背后的网络、存储和安全提供动力支持。

  
  

正如首席执行官安迪·贾西在公司2026年第二季度财报电话会议上所指出的：“我们的芯片业务年化营收跑率现已超过 250 亿美元。鉴于我们在 AI（通过 Trainium）和 CPU（通过 Graviton）领域均拥有领先性价比的芯片，我们在这场 AI 转折点中处于极为有利的地位。除了 Anthropic 和 OpenAI 这两家全球顶尖的 AI 实验室与 Trainium 签订了涉及数吉瓦（gigawatt）电力的多年期合作协议外，越来越多的 AI 初创企业也在采用 Trainium。”

对于使用 AI 进行构建的企业来说，芯片的经济性至关重要。训练一个前沿AI模型可能需要几十万颗芯片持续运行数周或数月。而大规模运行该模型——每天响应数百万次查询——则需要高效的推理基础设施。即便性价比只有微小的提升，在大规模应用中也能转化为巨额的成本节省。

这就是为什么全球顶尖的 AI 实验室和科技公司都在针对亚马逊的芯片做出重大承诺：

• Anthropic 已承诺使用高达 5 吉瓦（GW）的当前及下一代 Trainium 芯片来训练和驱动其 Claude 模型，该模型运行在超过 100 万颗 Trainium2 芯片之上。Anthropic 还在使用数千万个 Graviton 核心，以便在广泛生成式 AI 工作负载中提供具备可扩展性的性能和成本效益。

  
  

• OpenAI 已承诺从 2027 年开始，通过 AWS 基础设施使用 2 吉瓦的 Trainium 算力来驱动其前沿模型。

  
  

• Meta 已签署协议，部署数千万个 Graviton 核心，为其代理式 AI（agentic AI）背后的 CPU 密集型工作负载提供支持。

  
  

• Uber 正在使用 Graviton 在几毫秒内将乘客与司机进行匹配，并试点使用 Trainium3 来训练能让每次行程更加智能的 AI 模型。

Amazon Bedrock 是该公司为数十万客户提供的托管 AI 服务，其大部分推理工作都在 Trainium 上运行。越来越多的 AI 初创企业也开始采用 Trainium，其中包括 Neura Robotics（选择 Trainium 用于物理 AI）和 Odyssey（选择 Trainium 构建模拟物理规律的世界模型，其单美元获得的有用算力几乎是其他替代方案的两倍）等独角兽企业。此外还有 TwelveLabs、DeCart、Poolside、Karakuri、Matagenomi、NetoAI 和 Splash music 等初创公司，以及 Uber 和 Pinterest 等规模更大的公司。

在 Graviton 方面，如今已有超过 13 万客户使用基于 Graviton 的服务器。AWS 新增的所有算力中，有一半以上都运行在 Graviton 芯片上。

AWS Graviton5 芯片

这一需求反映了 AI 基础设施构建方式的变化。随着 AI 系统从解答问题转变为采取行动——即实时推理、代码生成和多步骤任务编排——所需的算力对 AI 加速器和 CPU 都提出了极高的要求。而亚马逊在这两个领域都占据了有利地位。

但单颗芯片只是故事的一部分。亚马逊将它们连接成越来越强大的系统：

• Trn3 UltraServers：将多达 144 颗 Trainium3 芯片打包到一个集成系统中，计算性能比 Trainium2 UltraServers 提升高达 4.4 倍。这使得客户能够在几周内（而非几个月）完成模型训练。

  
  

• 雷尼尔计划（Project Rainier）：全球最大的 AI 计算集群，专为大规模训练前沿模型而打造。雷尼尔计划目前正在运行 Anthropic 的 Claude 模型。

  
  

• 能效：Trainium3 每兆瓦输出的 Token 数量是 Trainium2 的 5 倍以上——这种效率在大规模应用时，对成本和环境影响都至关重要。

  
  

雷尼尔计划内部：全球最大的 AI 计算集群之一

亚马逊的芯片路线图正在持续加速推进。Trainium4 已在开发中。Graviton 在代理式 AI 时代继续演进。在现已统领涵盖 AI 模型、自研芯片和量子计算全新组织的 彼得·德桑蒂斯（Peter DeSantis） 领导下，亚马逊正在将这些技术融合在一起，使其相互促进。

“我们在构建这些模型时获得优势的方式之一，就是利用我们在芯片领域的深厚投资来提供性能和成本效益，这将使我们的模型开发脱颖而出。”

—— 彼得·德桑蒂斯（Peter DeSantis），亚马逊 AI 模型、芯片与量子计算高级副总裁

这一战略押注在一个简单的前提上：掌握自主芯片的公司将主导 AI 的发展节奏。凭借涵盖训练、推理和通用计算的芯片产品组合，以及已提前多年吸引客户强烈兴趣的路线图——亚马逊正在构建支撑下一代 AI 运行的基础设施层