亞馬遜自研晶片年收入突破200億美元，手持2250億美元訂單承諾

當亞馬遜執行長安迪·傑西在4月底Q1 2026財報電話會議上揭露自研晶片營收時，這個數字引人矚目：業務已突破年化200億美元，同比三位數成長。但更值得關注的，是藏在背後的那個數字——2250億美元多年期訂單承諾，幾乎全部與Trainium AI訓練加速器掛鉤，這是代表未來數年已鎖定需求的合同金額。

這兩個數字合在一起，勾勒出AI基礎設施硬體競爭格局的快速演變——以及亞馬遜如何從自研晶片的遲到者，躍升為全球資料中心晶片三強中的有力競爭者。

三晶片組合

亞馬遜的自研晶片策略，建立在三個針對雲端基礎設施不同層次的晶片系列上。

Graviton 是亞馬遜基於ARM架構的通用處理器，現已進入第四代。採用台積電3奈米製程的Graviton4，在不需要GPU加速的雲端工作負載（如網頁服務、資料處理和應用後端）上，提供了遠優於同類x86實例的性價比。AWS表示，全球現有超過三分之一的EC2實例運行在Graviton上——這一市佔率在三年前幾乎難以想像。

Trainium 是皇冠上的明珠，也是帶動2250億美元訂單承諾的核心驅動力。2024年發布的Trainium2，在大型語言模型訓練工作負載上，性價比比同等Nvidia H100實例高出約30%——這一差距足以在規模部署上撬動支出轉移。2026年初開始出貨的Trainium3儘管剛剛面世，幾乎已銷售一空。這款晶片專為主導Transformer模型訓練的張量運算而設計，AWS也在軟體堆疊上大力投入——Neuron編譯器和執行環境的成熟，讓為Nvidia CUDA生態系統編寫的模型得以移植到Trainium。

Nitro 知名度相對較低，但戰略地位不容忽視：它是嵌入每台AWS伺服器的安全與虛擬化晶片，負責租戶隔離、網路和儲存訪問管理。Nitro讓AWS能夠在虛擬化基礎設施上交付接近裸機的效能，並大幅降低雲端運算中的CPU開銷——這一效率優勢在AWS的規模下，年復一年地複利積累。

2250億美元的押注

2250億美元訂單承諾值得仔細解讀。傑西將其定性為已簽約需求——客戶承諾在多年期間消耗Trainium容量，合同以「用或付費」（take-or-pay）方式結構，既讓亞馬遜獲得可見的收入確定性，也讓客戶在供應緊張的市場中獲得容量保障。

兩筆最大的承諾來自OpenAI和Anthropic。OpenAI承諾從2027年起消耗約兩吉瓦的Trainium容量——這一規模意味著OpenAI已將Trainium視為其主力Nvidia基礎設施的真實替代方案，而非單純的風險對沖。Anthropic與AWS有更深厚的合作基礎，並獲得了亞馬遜的重大投資，其承諾消耗當前和未來世代Trainium晶片多達五吉瓦。考慮到一個1萬顆H100的GPU叢集耗電約15至20兆瓦，五吉瓦代表的是令人咋舌的潛在部署規模。

這些承諾的存在，回答了一個困擾Trainium多年的問題：亞馬遜能否說服前沿AI實驗室將工作負載從Nvidia的CUDA生態系統遷移到亞馬遜的Neuron軟體堆疊上？答案似乎是肯定的——至少對其一部分的總算力需求如此，在Nvidia GPU供應嚴重緊張的時期，以Nvidia無法匹敵的價格和可用性條件。

獨立估值的思想實驗

傑西在財報電話會議上做了一個值得深思的類比：他說，若亞馬遜自研晶片業務作為獨立半導體公司運營——像英偉達一樣同時向AWS和第三方出售晶片——其年化營收將接近500億美元，躋身全球最大晶片廠商之列。

這個類比部分是假設性的：目前亞馬遜的大多數晶片收入是內部交易，AWS以轉讓定價「購買」Trainium和Graviton。作為獨立實體對外銷售，定價動態會有所不同。但方向性結論依然成立：亞馬遜正在構建具有絕對規模意義的晶片能力，而不只是作為其雲端業務的一個附屬部門。

這對競爭格局意義重大。英偉達資料中心GPU業務在2026財年創造了約1200億美元收入，AMD的Instinct MI系列業務增速很快但基數仍小。亞馬遜200億美元年化營收，使其在AI專用資料中心算力領域，與AMD並列問鼎第二或第三大玩家的位置，而其鎖定的未來需求，更遠超兩者。

為何不只是財務數字

Trainium的故事不僅是一項財務成就，更是AI基礎設施層整合趨勢的一個信號。2024年前的主流觀點是，Nvidia的CUDA生態系統是幾乎無懈可擊的競爭護城河——軟體生態的深度佈局，讓任何競爭平台都難以達到可行規模。Trainium在前沿AI實驗室中的採用，是迄今為止這條護城河存在邊界的最具體證明。

值得指出的是，Trainium並非具有廣泛軟體生態、任何人皆可購買的通用GPU。它深度整合於AWS雲端，僅能作為受管服務通過EC2實例訪問。這將採用範圍限制於願意在AWS上運行工作負載的客戶——並不威脅Nvidia的本地部署或其他雲端廠商業務。但在AWS托管訓練的場景中，競爭性替代已然發生。

更難回答的問題是：亞馬遜能否將Trainium的影響力從訓練延伸到推理？隨著生產部署的規模擴大，推理——運行訓練好的模型向終端使用者提供預測——正在佔據越來越大的AI算力支出份額。亞馬遜歷來以Inferentia定位為其推理晶片，但Inferentia的採用速度慢於Trainium。2250億美元承諾能否轉化為同樣強勢的推理收入，取決於仍在演變中的工作負載經濟學。

眼下，這個里程碑的意義已然清晰：亞馬遜已從晶片消費者蛻變為晶片製造商，在半導體市場成長最快的細分領域佔據了有分量、大規模的市場地位。這對英偉達、AWS的超大規模雲端競爭對手以及AI模型訓練經濟學的深遠影響，將在未來數年間持續演進。