双雄围堵，能否突破英伟达算力垄断？

12月2日，亚马逊（AMZN.US）在AWS re:Invent 2025大会上，发布新一代芯片Trainium 3和搭载Trainium 3，并透露正研发可兼容英伟达（NVDA.US）芯片的下一代产品Trainium 4。

据亚马逊介绍，第三代芯片与系统在AI训练和推理性能上实现了显著飞跃：UltraServer系统速度提升超4倍，内存容量扩大4倍，不仅能加速训练，还能满足峰值需求下的AI应用部署。单台服务器可搭载144枚芯片，更支持数千台服务器互联构成百万芯片集群——规模为上一代的10倍。

值得留意的是，新一代芯片能效比提升40%。在全球数据中心耗电量激增的背景下，AWS正着力打造更节能的系统。这既符合企业自身利益，也可为云端AI客户节约开支。科技巨头们越来越认识到，AI芯片最终的决胜战场，将在于能效比，这是其下游客户决定是否大规模部署的关键，因为这决定了往后的运营成本与盈利能力。

亚马逊也透露，其参投的Anthropic、日本大模型公司Karakuri、SplashMusic、基因编辑公司Metagenomi、理光（Ricoh）等客户已采用第三代系统，训练和推理成本降低一半。

与谷歌围堵英伟达

尽管亚马逊AWS占据最大的云市场份额，但正面临微软（MSFT.US）和谷歌（GOOG.US）的激烈竞争，驱动AI应用的大语言模型需要巨大算力进行训练和运行，这为云计算厂商创造了广阔的市场空间。谷歌近期发布的Gemini 3模型引发市场热切关注，有意思的是，谷歌近来改变策略，将原本自用的内部芯片TPU用于对外发售，最新推出的训练、推理和服务优化第七代TPU芯片铁木（Ironwood）无论性能还是能效都颇具竞争力，已成为OpenAI等客户与英伟达就AI芯片价格谈判的筹码，另外Anthropic已与其达成数百亿美元合作，部署百万个TPU芯片，上周更有报道称Meta（META.US）考虑采用谷歌的这款芯片。

从行业逻辑来看，亚马逊与谷歌的芯片突破，本质上是云计算巨头“算力自主化”战略的必然结果。驱动AI应用的大语言模型对算力的海量需求，正倒逼云厂商构建自研算力体系以摆脱对英伟达的依赖。对于亚马逊而言，自研芯片既能降低自身算力采购成本，又能通过差异化的算力服务巩固云市场优势；谷歌则凭借TPU与Gemini 3模型的深度耦合，形成“芯片-模型-云服务”的全栈闭环，其全栈垂直整合能力或对英伟达的“软硬一体”模式构成直接挑战。​

不过，英伟达的算力霸权短期内仍难以被彻底撼动。其核心优势不仅在于GPU硬件的性能领先，更在于CUDA平台积累的两千万开发者社群与超10万个适配应用，客户的生态迁移成本高达数千万美元，这一深厚的软件护城河是亚马逊Trainium与谷歌TPU短期内难以逾越的壁垒。英伟达也在公开回应中强调，自身是唯一能运行所有AI模型、并在所有计算场景中部署的平台，其领先行业一代的技术优势仍不可小觑。​

或许正是深刻意识到生态壁垒的坚固，亚马逊展现出了务实的“竞合”智慧，同时透露了Trainium 4路线图，预计性能将至少达到第3代产品的三倍，将可支持英伟达NVLink Fusion高速互联技术，这意味着搭载Trainium4的AWS系统既能与英伟达GPU协同工作，又可继续使用亚马逊自研的低成本服务器架技术。考虑到英伟达CUDA已成为AI应用的事实标准，Trainium4系统或将吸引更多基于英伟达GPU开发的大型AI应用迁移至亚马逊云平台。目前官方未公布Trainium4具体时间表。

结语

可以预见的是，未来的AI芯片市场将从英伟达“一家独大”的格局，转向“通用GPU+专用ASIC”的异构部署新阶段。亚马逊Trainium系列的能效优势与生态兼容能力，叠加谷歌TPU的商业化突破，将持续分流英伟达的市场份额，而客户也将倾向于多路线并行的算力采购策略以分散风险。这场算力争夺战的最终走向，不仅取决于硬件性能与能效的比拼，更在于生态壁垒的突破与重构，而这一过程，也将深刻重塑整个 AI 基础设施产业的竞争逻辑。