亞馬遜自研晶片業務年收入突破 200 億美元，積壓訂單高達 2250 億——Nvidia 最強勁的挑戰者登場

多年來，超大型雲端業者（Hyperscaler）的自研晶片雄心，始終被視為 Nvidia 主宰地位之下的一個附注。亞馬遜的 Trainium 晶片系列固然技術上令人印象深刻，商業規模卻相當有限——主要用於削減 AWS 內部成本，對外部客戶吸引力不足，後者普遍偏好 CUDA 生態系的成熟度與 H100 的穩定可靠。然而，這個敘事如今已被徹底推翻。

亞馬遜於 4 月 29 日舉行的 2026 年第一季財報電話會議，拋出了一個半導體產業仍在消化的數字：旗下自研晶片業務年收入已突破 200 億美元，年增率達三位數。更驚人的是，Trainium 的客戶已承諾積壓訂單達到 2250 億美元——這個數字遠超過 Nvidia 2026 財年的總營收。

數字背後的故事

執行長 Andy Jassy 在財報會上一如既往地條理分明。200 億美元年收入率涵蓋的是外部晶片營收——即對 Amazon 自身以外客戶的銷售額。但 Jassy 給出了更宏觀的框架：若按傳統半導體公司的計算方式——同時計入為 AWS 自身基礎設施製造的晶片——年收入率將達到約 500 億美元。

「我們現在是全球前三大資料中心晶片業務之一，」Jassy 說，「這句話我們不輕易說出口。」

這個論斷以多數標準衡量都站得住腳。Nvidia 的資料中心業務在其最新財年創下約 1100 億美元營收，穩居第一。AMD 資料中心晶片業務在 2026 年初的年收入約為 120 億美元，這還是在 2 月宣布與 Meta 的 1000 億美元合作案之前的數字。亞馬遜以 200 億美元外部收入率和 2250 億美元積壓訂單，已穩穩進入與 AMD 爭奪第二名的對話——且握有純粹半導體公司無法複製的結構性優勢：它同時身兼客戶、雲端供應商與晶片製造商三種角色。

Trainium3：改變局面的世代

Trainium2（前一代產品）提供的性能每瓦費比比同等 GPU 雲端實例高出約 30%——幅度可觀，但還不足以讓客戶拋棄 Nvidia 成熟的軟體生態。Trainium3 則是完全不同的命題。

採用台積電 3 奈米製程的 Trainium3，性能每瓦費比比 Trainium2 再提升 30–40%——意味著在推理工作負載上，成本每 token 比同等 Nvidia GPU 實例低約 70%。更重要的是，AWS 表示 Trainium3 產能「幾乎已全部訂滿」，儘管正式出貨才剛開始。這說明超大規模客戶如今已願意以接近 Nvidia H100/Blackwell 的量級，簽訂多年期 Trainium 承諾。

技術路線圖更進一步延伸這項優勢。距離大規模供貨仍約需 18 個月的 Trainium4，客戶已大量預訂。一位 AWS 基礎設施分析師指出：「客戶在尚未看到實際表現之前，就已承諾未來世代的產能——這反映出對路線圖的信心程度，是我們在自研晶片領域前所未見的。」

主力客戶：OpenAI、Anthropic 以及更多

2250 億美元積壓訂單並非分散的碎片化需求，而是由少數幾個龐大的多年期承諾所撐起，其中最重要的兩個是 OpenAI 與 Anthropic。

隨 Q1 財報同步宣布的是 OpenAI 與 AWS 的擴大合作協議：OpenAI 承諾 1380 億美元的 AWS 合作案——這是對現有 380 億美元多年期協議的擴充。條款要求 OpenAI 在八年內通過 AWS 基礎設施消耗約 2 吉瓦的 Trainium 產能，並將 AWS 定為其 Frontier 企業平台的獨家雲端分銷商。

Anthropic 的承諾更進一步。4 月 20 日，亞馬遜宣布向 Anthropic 再追加投資最多 250 億美元——使累計投資額達到 330 億美元——同時 Anthropic 承諾未來十年在 AWS 服務上花費逾 1000 億美元。算力承諾部分涵蓋跨越 Trainium2、Trainium3 及 Trainium4 世代、最多 5 吉瓦的產能，其中近 1 吉瓦預計在 2026 年底前上線。

兩家公司的策略邏輯相似：Trainium 的推理成本每 token 顯著低於 Nvidia，而 AWS 的垂直整合——網路、儲存、Graviton CPU 與 Trainium 協同設計——在多年部署中會累積效率優勢。對於每年燒掉數十億美元算力費用的 AI 實驗室，即使推理成本降低 20%，每年也意味著數億美元的節省。

這對 Nvidia 意味著什麼

Nvidia 對 AI 算力市場的掌控依然強大。歷時二十年打造的 CUDA 軟體生態，已成為 AI 訓練的事實標準——研究者的直覺、既有代碼與工具鏈都在這裡匯聚。這道護城河短期內難以撼動，OpenAI 和 Anthropic 都沒有完全放棄 Nvidia。兩家公司維持多元化算力策略，在 Trainium 之外也繼續部署 Nvidia Blackwell。

但趨勢方向是清晰的：每一美元流向 Trainium 多年期合約，就是未流向 Nvidia 的一美元。而 2250 億美元的積壓訂單規模，說明自研晶片的遷移不是未來的假設情境——它正在發生。

壓力同時來自多個方向：Google 正在以 TPU v6（Trillium）世代大規模部署；Meta 在 2 月承諾購買最多 1000 億美元的 AMD MI 系列 GPU。Nvidia 並未失去主導地位，但雲端巨頭們已集體決定：在這個量級的資本支出下，對單一晶片供應商的依賴是他們無法承受的戰略風險。

AWS 的飛輪效應

亞馬遜構建的遠不止一門晶片生意。Trainium 是算力飛輪的核心：承諾 Trainium 產能的客戶，同時深度整合進 AWS 更廣泛的平台——Bedrock、SageMaker、Graviton，以及上週宣布的 AgentCore 代理基礎設施層。每一層整合都提高了轉換成本，也讓下一家評估建構平台位置的企業客戶看到 Amazon AI 技術棧更大的吸引力。

「我們不是要成為一家晶片公司，」Jassy 在財報電話會上說，「我們要成為讓 AI 在規模上具備經濟可行性的基礎設施層。晶片只是其中一部分。」

帶著 2250 億美元積壓訂單，以及已大量預訂的 Trainium4，亞馬遜已證明，自研晶片能夠逃脫 Nvidia 生態體系的引力——只要性能費比優勢足夠大，且軟體工具鏈的成熟度跟上。這兩個條件，現在看來都已達到。

半導體產業那個價值數兆美元的問題，已不再是「亞馬遜的晶片業務是否真實存在」。而是：它將吸收 Nvidia 多少未來的成長空間。