亚马逊联手 Anthropic 造超算：数十万颗自研芯片，成本降 40%

过去一年大家聊起大模型，目光总盯在微软投了 OpenAI、或者英伟达的 GPU 又被抢空上。很多人甚至觉得，身为全球最大云计算巨头的亚马逊，在生成式 AI 这轮浪潮里慢了半拍。

但在拉斯维加斯举办的 Re:Invent 大会上，亚马逊掏出了一张大底牌。

亚马逊旗下 AWS 的首席执行官 Matt Garman 宣布，他们正联手 OpenAI 的最大对手 Anthropic，打造一台名为 Project Rainer 的超大规模 AI 超级计算机。建成之后，它的计算规模将达到 Anthropic 目前训练最强模型集群的五倍，并且会塞进数十万颗亚马逊自研的最新训练芯片 Trainium 2。亚马逊预计，这台机器一旦完工，将成为全球已知公开报道中规模最大的 AI 超算。

掏出自研芯片，正面硬刚英伟达

这台超算背后最扎眼的，其实是芯片的选择。以前大模型军备竞赛几乎全靠英伟达的 GPU，但这次亚马逊押注的是自家的硬件。

Garman 在大会上宣布，Trainium 2 已经通过名为 Trn2 UltraServer 的集群形式正式向客户开放，专门用来训练前沿大模型。他说得很直接：相比搭载英伟达 GPU 的集群，使用亚马逊这套自研硬件，训练成本能便宜 30% 到 40%。

今年亚马逊已经给 Anthropic 砸了 80 亿美元，现在的 Project Rainer 相当于把真金白银和自研算力捆绑在了一起。不仅如此，亚马逊还提前预告了下一代芯片 Trainium 3，性能据称是现在的四倍，预计会在 2025 年底交到客户手上。

研究机构 Moore Insight & Strategy 的分析师 Patrick Moorhead 认为这个性能跃升相当惊人，尤其是芯片间的互联带宽改进非常大，而这恰恰是超大模型训练最关键的瓶颈。在他看来，英伟达在训练市场确实还会统治一阵子，但亚马逊证明了英伟达已经不再是唯一的选择。

企业不爱烧钱，亚马逊就卖降本工具

除了搭超算秀肌肉，亚马逊这次把更多精力放在了帮企业省钱上。

Garman 在会前就提到，现在的很多大模型不仅价格太贵，输出结果还不稳定、难以预测。越来越多的 AWS 客户已经过了尝鲜做 Demo 的阶段，现在迫切需要能真正上线赚钱、而且跑得起的产品。

为此，亚马逊在 Bedrock 平台上推了一批非常务实的工具。比如 Model Distillation（模型蒸馏），让大模型来充当老师，直接训练出能力接近、但体积极小且推理成本极低的小模型。按 Garman 的打方：一家保险公司可以拿最顶尖的模型去学习整套业务问答，再把它提炼给小模型去专门处理客服。

他们还上线了 Bedrock Agents，能统一调度和管理几百个 AI Agent，甚至安排了一个类似经理角色的主 Agent，专门给底层干活的 Agent 派活和写工作汇报。

为什么重要

对企业和开发者来说，这标志着 AI 终于从玩概念变成了算账。谁都知道前沿大模型好用，但每次调用的账单往往让人吃不消。如果 Trainium 2 真的能稳稳省下 30% 到 40% 的算力成本，再加上模型蒸馏这类工具，很多之前在商业上根本跑不通的垂直场景应用，现在就能正式提上日程了。

对整个行业而言，这是超大规模云厂商在底层硬件上发起的一场突围。HyperFRAME Research 的分析师 Steven Dickens 就指出，自研芯片未来是所有云巨头的必修课。亚马逊自研芯片起步很早，如今不仅自己用，还把最具竞争力的客户 Anthropic 深度绑定在自己的架构上。这不仅给 OpenAI 带来了巨大的算力竞争压力，也真真切切地在英伟达的高价护城河上撕开了一道口子。

我们认为，亚马逊这一步走得极其清醒。它没有急着跟风去做一个类似 ChatGPT 的消费级爆款来赚吆喝，而是老老实实做云厂商最擅长的事：搭算力底座、帮企业降本提效。不过，隐患也同样存在。英伟达最硬的护城河其实是经营多年的 CUDA 软件生态，亚马逊的 Trainium 硬件能不能在实际开发中让工程师觉得好用、少踩坑，才是 Project Rainer 和 AWS 自研生态能否真正撼动市场的关键。