亚马逊凭借定制 AWS 芯片在生成式 AI 领域与微软和谷歌展开竞速

在德克萨斯州奥斯汀市一座不起眼的办公楼里，一小群亚马逊员工正热衷于设计两种专为生成式 AI 训练和加速量身定制的微型芯片。这些定制的 AWS 芯片名为 Inferentia 和 Trainium，为寻求在不依赖日益稀缺和昂贵的 Nvidia GPU 的情况下训练其大型语言模型的 AWS 客户提供了可行的替代方案。

亚马逊网络服务 (AWS) 首席执行官 Adam Selipsky 在 6 月的一次采访中表示，全球对用于支持生成式 AI 的芯片需求正在飙升。亚马逊的主动举措旨在满足这一需求，并表示该公司已做好准备，为其客户的集体需求提供必要的容量。

在蓬勃发展的行业中追赶

然而，其他参与者通过大量投资利用生成式 AI 热潮而迅速领先。当 OpenAI 在 11 月推出其 ChatGPT 时，微软通过托管这个病毒式传播的聊天机器人并承诺向 OpenAI 投资约 130 亿美元而吸引了大量关注。微软迅速将其生成式 AI 模型整合到其产品中，并于 2 月将其整合到 Bing 中。同月，Google 推出了其大型语言模型 Bard，并向 OpenAI 竞争对手 Anthropic 投资了 3 亿美元。

亚马逊进入这一领域稍晚。直到 4 月，亚马逊才推出了其名为 Titan 的大型语言模型系列，以及旨在帮助开发者通过生成式 AI 功能增强软件的 Bedrock 服务。这一姗姗来迟的入场使一些专家建议，通常以开拓市场而闻名的亚马逊，现在发现自己正在生成式 AI 领域追赶。

通过定制硅芯片实现技术差异化

Gartner 的副总裁分析师 Chirag Dekate 认为，亚马逊的定制硅芯片最终可能在生成式 AI 领域提供竞争优势。这些定制芯片（Inferentia 和 Trainium）提供的独特技术能力可能会使亚马逊脱颖而出。值得注意的是，微软缺乏 Trainium 和 Inferentia 的等效产品。

亚马逊于 2013 年开始了其定制硅芯片之旅，从名为 Nitro 的专用硬件开始。随着时间的推移，Nitro 已成为出货量最高的 AWS 芯片，已有超过 2000 万台设备在使用，装饰着每一台 AWS 服务器。

2015 年，亚马逊收购了以色列芯片初创公司 Annapurna Labs。2018 年，该公司推出了其基于 Arm 的服务器芯片 Graviton，以与 AMD 和 Intel 等行业巨头的 x86 CPU 竞争。同年，亚马逊涉足 AI 专用芯片。这是在 Google 推出其首款张量处理单元 (TPU) 后的几年。与此同时，微软对其与 AMD 合作开发的 Athena AI 芯片保持沉默。

定制芯片及其作用

对亚马逊位于奥斯汀的芯片实验室的幕后参观揭示了 Trainium 和 Inferentia 的开发和测试。产品副总裁 Matt Wood 解释了它们的作用。机器学习包括两个阶段：训练模型和对训练好的模型运行推理。Trainium 于 2021 年推出，与在 AWS 上训练机器学习模型的其他方法相比，价格性能提高了 50%。Inferentia 于 2019 年发布，现已进入第二代，擅长处理高吞吐量、低延迟的机器学习推理。

尽管亚马逊做出了努力，但 Nvidia 的 GPU 目前仍主导着模型训练。7 月，AWS 推出了由 Nvidia H100 提供支持的 AI 加速硬件，突显了 Nvidia 在 AI 格局中的强劲地位。

利用云主导地位获得优势

亚马逊在云领域的领先地位使其与众不同。凭借庞大的云安装基础，亚马逊的优势在于使现有客户能够利用生成式 AI 扩展价值创造。数百万已经熟悉该平台的 AWS 客户可能会发现利用亚马逊的服务进行生成式 AI 任务很有吸引力，从而在其现有应用程序和数据存储的基础上建立优势。

AWS 占据云计算市场的最大份额，2022 年达到 40%。尽管近期运营收入有所下降，但 AWS 仍占亚马逊整体运营利润的 70%。其广泛的运营利润率优于 Google Cloud。

AWS 不断扩展的生成式 AI 工具集

AWS 专注于多样化的生成式 AI 工具集，而不是直接挑战 ChatGPT。7 月发布的 AWS HealthScribe 利用生成式 AI 帮助医生起草患者就诊摘要。SageMaker 是一个机器学习中心，提供算法和模型。CodeWhisperer 是一个编码助手，平均将开发人员生产力提高了 57%。去年，微软报告称 GitHub Copilot 带来了类似的生产力提升。

6 月，AWS 宣布建立 1 亿美元的生成式 AI 创新中心。该公司旨在通过提供来自专家的个性化帮助，指导客户理解生成式 AI 在其业务背景下的潜力。

弥合安全担忧

AI 的普及也引发了安全担忧，特别是围绕用于公共语言模型训练数据中的专有信息。AWS 通过确保通过其 Bedrock 服务访问的生成式 AI 模型在隔离的虚拟私有云环境中运行来解决这些担忧。这种设置保证了加密和一致的 AWS 访问控制，缓解了数据泄露的担忧。

亚马逊在生成式 AI 领域的持续推动

亚马逊继续在生成式 AI 领域推进。虽然目前有超过 100,000 名客户在 AWS 上使用机器学习，但这仅占 AWS 庞大客户基数的一小部分。尽管如此，分析师认为，亚马逊作为可靠提供商的知名度和声誉可能会促使企业更广泛地探索亚马逊的生成式 AI 生态系统。

Chirag Dekate 强调，企业不太可能仅基于竞争对手在生成式 AI 方面的进步而切换其基础设施战略。对于现有的亚马逊客户，亚马逊广泛生态系统的吸引力可能在他们的决策中发挥关键作用。