AGENTIC COMMONSAI 產業簡報

繁中EN

主題AI 晶片與算力出版

返回文章列表

Amazon 擬對外出售 Trainium 晶片,劍指 NVIDIA

摘要: Bloomberg 在 2026 年 6 月 18 日報導,Amazon 正與潛在客戶接洽,計畫把 Trainium AI 晶片賣進其他業者的資料中心。公司說明洽談仍在早期,也未透露買家。文章以 Jassy 先前約 500 億美元的自研晶片營收推估、產能限制和 NVIDIA 競爭來解釋這項策略變化。

Bloomberg 在 2026 年 6 月 18 日專訪了 Amazon 的 AI 負責人 Peter DeSantis,內容指出 AWS 正與潛在客戶接洽,打算把自家研發的 Trainium AI 晶片賣進其他業者的資料中心,而不只放在自家雲端上使用。至於買家是誰,DeSantis 不肯透露,僅表示:「我們認為 AI 基礎設施正在快速演進,而我們持續尋找接觸更多客戶的方法。」這則消息推升 Amazon 股價上漲超過 2%;Amazon 也對外說明,相關洽談還在早期階段。

一切的起點:Jassy 股東信裡的 500 億美元

追根究底,這步棋源自執行長 Andy Jassy 於今年 4 月發布的股東信。他在信中設想:如果把晶片事業當成一家獨立公司,將今年生產的晶片同時賣給 AWS 和第三方,「年營收大約是 500 億美元」。需求熱到什麼程度?他的說法是,「未來把整機櫃的晶片賣給第三方,是相當有可能的事」。AWS 發言人 Doron Aronson 隨後向 TechCrunch 證實了這個方向:「雖然我們過去一直婉拒直接賣晶片的請求,但如 Andy 所言,未來確實有可能把機櫃賣給第三方。」

AWS 遲遲不願賣晶片的盤算

原因得從商業結構看起。AWS 從晶片賺錢,走的是「瀑布式」路徑:客戶名目上支付的是 AI token 的處理費用,而這筆錢背後還掛著儲存、安全、網路、監控等一長串服務收費。晶片只要一搬出 AWS 機房,這整串收入就跟著消失。也因為這樣,就算 Trainium3 的成本條件很有吸引力,AWS 這些年始終把自研晶片視為引客戶上雲的誘餌,而不是拿來對外販售的產品線。

台積電產能,與排隊等貨的買家

產能是另一道關卡。Jassy 在同一封信裡坦言,現有 Trainium 產能「幾乎瞬間售罄」,連還要一年多才會推出的下一代 Trainium4 都早就被搶訂一空。Uber 已經用 Trainium3 跑 AI 工作負載;OpenAI 更在 2 月允諾採用 AWS 上的 2GW Trainium 容量。想對外出貨又不能虧待對既有客戶的承諾,Amazon 就得向台積電多爭取一些產能——偏偏 NVIDIA 才剛剛擠下 Apple、躍居台積電第一大客戶,先進製程的排隊人龍只會越來越長。

AI 晶片市場的版圖重組

先抓對規模感:NVIDIA 目前的年營收,以 run rate 計約為 3,260 億美元,500 億美元量級的挑戰者還動搖不了它的地位,但這已經像是憑空誕生了一家英特爾等級的晶片公司。耐人尋味的是,Amazon 本身就是 NVIDIA 的重量級客戶——3 月才宣布,未來 12 個月內要在 AWS 上線 100 萬顆 NVIDIA 晶片,和 NVIDIA 之間既是買方、也是對手。這更不是個案:Google 已著手對外銷售 TPU 給「特定客戶群」,還與 Blackstone 聯手推出 TPU 雲端服務;NVIDIA 則往反方向出擊,執行長黃仁勳宣稱 AI 用 CPU 市場還藏有 2,000 億美元的全新機會。自研晶片正在從雲端內部的成本工具,轉變成能夠單獨拿出來賣的商品——對於要購買 AI 算力的企業,可選的供應商變多了,談判籌碼也加重了。

參考來源

AGENTIC COMMONS由 PHLEGON LABS 經營
分享X電郵
支持我們

相關閱讀

  1. AMD 收購 Taalas:把模型權重直接蝕刻進晶片

    2026 年 8 月 6 日 AMD 宣布收購多倫多新創 Taalas:以權重蝕刻加 SRAM 快取的專用推理晶片路線,HC1 已在 Llama 3.1 8B 跑出每秒近 1.7 萬 token。

    AI Infrastructure

  2. Amazon 自研晶片年營收破 200 億美元:Jassy 股東信的算力藍圖

    2026 年 4 月 9 日 Jassy 年度股東信揭露:Graviton、Trainium 與 Nitro 年營收突破 200 億美元、年增三位數百分比,獨立計價約 500 億美元,並首度鬆口未來可能把機櫃賣給第三方。

    AI Infrastructure

  3. 當推論必須進入受信任環境:NVIDIA 機密運算對推論架構的實際影響

    NVIDIA 機密運算讓 LLM 推論跑在記憶體加密的機密 VM 與機密 GPU 上,產品團隊要重新盤算效能與隱私的取捨。

    NVIDIA