AWS 确认外销谈判，买方尚未公布
据彭博社 2026 年 6 月 18 日报道，亚马逊 AI 高级副总裁 Peter DeSantis 确认，AWS 正洽谈向其他公司出售自研 Trainium AI 芯片，供其数据中心使用。他没有披露潜在买方。Trainium 此前主要通过 AWS 云服务提供给客户，直接销售硬件将增加一种供应方式。
从出租云端算力，到讨论直接销售硬件
AWS 已有 Graviton（基于 Arm 架构的 CPU）、Inferentia（推理加速器）和 Trainium 等自研芯片。首代 Trainium 在 2022 年投入使用；Trainium2 在 2023 年宣布，相关实例在 2024 年底正式提供。搭载 Trainium3 的 Trn3 UltraServers 则于 2025 年 12 月宣布正式可用。
DeSantis 的表态说明，AWS 正在探索云服务之外的芯片销售。Trainium 已通过云端算力产生业务收入；外销硬件则需要另外安排交付、软件支持和售后服务。
Andy Jassy 在此前的股东信中也提到，未来可能向第三方销售整机架芯片。具体客户、产品配置和交易时间仍待公布，现有谈判尚不能视为已经取得硬件订单。
机架部署要同时考虑芯片、互联和散热
Trainium3 和 Nvidia Blackwell 都面向大规模 AI 计算。Nvidia 的 GB200 NVL72 系统通过 NVLink 连接 72 块 Blackwell GPU；AWS 的 Trn3 UltraServers 则采用自研芯片及互联。比较二者，需要对齐模型、计算精度、芯片数量和系统成本，不能仅凭机架规格认定性能相同。
对于考虑部署 Trainium 的客户，至少有三项需要评估：
- 芯片与互连：AWS 公告显示，Trn3 UltraServers 可扩展至 144 块 Trainium3 芯片，通过专用互联协同计算。模型并行时的数据交换，会影响系统实际吞吐量。
- 供电与散热：高密度机架需要数据中心配套供电和散热能力。采用何种机架配置，要与机房现有条件一起评估，不能只比较芯片。
- 软件支持：AWS Neuron SDK 提供编译器、运行时、训练与推理库，并支持 PyTorch、JAX 等框架。具体模型是否适配、能否达到预期性能，仍需测试。
硬件规格之外，已有代码和工具能否迁移，会直接影响客户采用 Trainium 的成本。
迁移到 Trainium，还要适配代码和开发工具
Nvidia 的优势还包括长期积累的软件生态。CUDA 及相关库被广泛用于 AI 开发，PyTorch、TensorFlow、JAX 等框架都有面向其 GPU 的支持。客户已有的训练流程、性能优化和运维经验，也会影响硬件选择。
迁移工作量取决于代码如何使用硬件。采用标准框架的部分较容易适配，依赖自定义 CUDA 算子的部分，则可能需要重新实现和调优。能运行现有模型，与达到原来的速度和稳定性，是两个需要分别检验的目标。
AWS 正通过框架支持、客户合作和开源工具降低采用门槛：
- 支持常用框架：Neuron 为 PyTorch 等框架提供接入方式。不同版本的后端和模型支持范围会变化，客户需按具体工作负载验证兼容性。
- 扩大客户使用：据 The Information，Pinterest 在 6 月承诺使用 Trainium，并与 AWS 达成 40 亿美元的多年协议。Snowflake 则在 5 月公布五年 60 亿美元的 AWS 支出承诺，涵盖 Graviton 计算和 AI 基础设施；官方公告没有将其列为 Trainium 采购。这些都是云服务合作，不能直接算作芯片外销订单。
- 开放底层工具：AWS 开源了 NKI 编译器及相关算子库，让开发者检查实现、编写自定义算子并优化性能。
客户最终需要比较总拥有成本，包括硬件、能耗、迁移工作和持续维护。芯片报价较低，只有在实际任务中转化为足够的成本或性能收益，才有助于推动迁移。
云厂商扩大自研芯片，也继续采购 Nvidia
大型云厂商一边采购 GPU，一边开发自有加速器。自研芯片已经成为云服务的一部分，直接外销则是另一种业务选择。
Google 的 TPU（张量处理单元）是较早的自研加速器案例，既用于内部业务，也通过 Google Cloud 提供算力。其业务说明，自研芯片可以与云端模型训练、推理服务结合。
微软在 2023 年发布了 Maia 100 AI 加速器，用于 Azure 数据中心。各家硬件的外部供应方式和商业安排仍有差异。
AWS 同时提供 Nvidia GPU 算力和基于 Trainium、Inferentia 的服务，让客户按模型与成本要求选择。直接销售 Trainium 硬件若落地，将增加一个与云服务并行的渠道，也需要建立相应的交付与支持能力。
自研芯片与 Nvidia GPU 会继续出现在同一家云厂商的产品组合中。客户是否切换，取决于模型支持、供应、性能与成本，不能单凭供应商的整体毛利率判断降价空间。
500 亿美元是整体芯片业务的假设估算
Andy Jassy 在 2025 年度股东信中给出了一个假设：若芯片业务独立运营，并将当年生产的芯片卖给 AWS 和第三方，年化收入规模可能约为 500 亿美元。这一估算涵盖 Graviton、Trainium 和 Nitro，包含对 AWS 自身的销售，不是 Trainium 外销收入目标，也不是已经实现的独立公司收入。
硬件外销还需要解决几项实际问题：
- 客户信任问题：数据中心运营商是否愿意将核心 AI 工作负载绑定在 AWS 的芯片上？如果 AWS 既是芯片供应商又是云服务竞争对手，利益冲突如何解决？
- 产品迭代：Nvidia 持续更新 GPU 和整机系统，AWS 也需要同步推进芯片、软件支持及客户迁移，保证不同代产品的可用性。
- 地缘政治风险：AI 芯片出口管制日益收紧，AWS 的芯片销售范围可能受到限制。
目前公开信息尚不足以确认完整的销售范围。对潜在客户，交付地区、支持期限及供应条件，都需要在交易安排中明确。
客户是否采购，要看实际任务和完整交付成本
Peter DeSantis 确认的谈判，为 AWS 增加了一种潜在业务方式。直接出售硬件，意味着它需要在云端算力服务之外，回答客户关于机房部署、软件迁移和长期运维的问题。
Jassy 在股东信中强调，AWS 会继续与 Nvidia 合作，同时提供自研芯片选择。客户要检验的是，Trainium 在自己的模型和数据上能否达到性能要求，以及算上迁移和运维后是否仍有成本优势。
后续最直接的观察点，是 AWS 是否公布首批买方、交付配置和支持方案，以及客户的实际使用结果。
