---
title: "El chip Trainium de Amazon ya entrena modelos de IA, no solo los ejecuta, y pone a prueba a Nvidia antes de los resultados del 29 de octubre"
description: "Las pruebas prácticas de SemiAnalysis constatan que Trainium2 y Trainium3 ya soportan el entrenamiento de investigación en PyTorch nativo, y se publican el mismo día en que Andy Jassy afirmó que la inferencia sigue siendo diez veces más cara de lo necesario y presentó los chips de Amazon como la solución. Lo que ha cambiado es la barrera de software que mantenía a los investigadores en Nvidia; Amazon presenta resultados el 29 de octubre."
publisher: "The Inference"
section: "Chips"
published: 2026-10-23T23:10:16.632Z
modified: 2026-10-23T23:10:16.632Z
canonical: https://theinference.org/article/amazon-s-trainium-can-now-train-ai-models-not-just-run-them-testing-nvidia-before-amazon-s-october-29-report/es
language: es
keywords: "Amazon, Trainium, Nvidia, AI Chips, AWS, Anthropic"
---

# El chip Trainium de Amazon ya entrena modelos de IA, no solo los ejecuta, y pone a prueba a Nvidia antes de los resultados del 29 de octubre

> Las pruebas prácticas de SemiAnalysis constatan que Trainium2 y Trainium3 ya soportan el entrenamiento de investigación en PyTorch nativo, y se publican el mismo día en que Andy Jassy afirmó que la inferencia sigue siendo diez veces más cara de lo necesario y presentó los chips de Amazon como la solución. Lo que ha cambiado es la barrera de software que mantenía a los investigadores en Nvidia; Amazon presenta resultados el 29 de octubre.

Trainium, el chip de IA propio de [Amazon](https://theinference.org/markets/companies/amazon), ha cruzado la línea que lo definía: ya puede entrenar modelos, no solo ejecutarlos. [SemiAnalysis](https://theinference.org/markets/companies/semianalysis), una firma independiente de investigación de chips que acaba de pasar semanas con racks de Trainium3, [informa de que PyTorch, el framework que ya usan la mayoría de los investigadores, funciona ahora de forma nativa](https://newsletter.semianalysis.com/p/amazons-trainium-takes-a-strike-at): el código se ejecuta en modo eager, línea a línea, como esperan los investigadores; la herramienta de aceleración torch.compile funciona; y prácticamente el único cambio consiste en sustituir `.to("cuda")` por `.to("neuron")` [1].

Los límites también quedan explícitos: la pila «no se acerca ni de lejos a la madurez del ecosistema de CUDA», la capa de software de [Nvidia](https://theinference.org/markets/companies/nvidia), y el mayor modelo probado tenía 32.000 millones de parámetros, escala de investigación y no de un entrenamiento de frontera [1].

El consejero delegado de Amazon, [Andy Jassy](https://theinference.org/markets/people/andy-jassy), dedicó esa misma jornada a la demanda: dijo a la firma de capital riesgo [a16z](https://theinference.org/markets/companies/a16z) que la inferencia —el cómputo que se paga cada vez que un modelo responde— sigue siendo un orden de magnitud más cara de lo necesario, y que Trainium ofrece una relación precio-rendimiento entre un 30% y un 40% mejor que la de los procesadores comparables [2]. Los precios de Nvidia en entrenamiento se han sostenido sobre la fricción de software que SemiAnalysis acaba de medir. Esa fricción se está erosionando.

## El coste de cambio era el foso defensivo

[Anthropic](https://theinference.org/markets/companies/anthropic), el laboratorio de IA creador de Claude y cliente ancla de Trainium, ya ejecuta inferencia en producción y despliegues de aprendizaje por refuerzo en Trainium2 y Trainium3 [1]. El entrenamiento de investigación era el último reducto: los investigadores reconfiguran a diario la arquitectura de sus modelos, y la antigua vía de Trainium pasaba por un compilador de grafos al estilo XLA que obligaba a reaprender el bucle de entrenamiento a cualquiera que llegara desde CUDA [1].

SemiAnalysis entrenó el modelo de pesos abiertos (open weight) Qwen3-32B, editó su código de arquitectura y ejecutó tal cual la receta gpt-oss, la configuración de entrenamiento de pesos abiertos de [OpenAI](https://theinference.org/markets/companies/openai) [1]. El resultado: 14.156 tokens por segundo con un MFU del 30,47% en modo compilado, frente a los 11.099 y el 23,89% en modo eager, una mejora de 1,28 veces [1]. El MFU mide qué proporción del pico de cálculo de un chip aprovecha de verdad una ejecución.

Detrás de todo ello hay hasta 80.000 núcleos físicos de control de calidad automatizado, que cotejan la precisión numérica con los valores de referencia de Nvidia sobre los 100.000 modelos principales de [Hugging Face](https://theinference.org/markets/companies/hugging-face), el repositorio donde los investigadores comparten código [1]. AWS también ha contratado al ingeniero que dirigió el esfuerzo de Google por ejecutar PyTorch de forma nativa en sus chips TPU, para repetir aquí la misma jugada [1]. Cada prueba superada es un modelo más que un investigador puede trasladar sin reescribir código.

## El margen se adelantó a la prueba

El dinero se movió antes que la prueba. AWS registró un margen operativo del 39,4% en el segundo trimestre de 2026 aun con el gasto de capital (capex) en pleno ascenso [3]. Su [cartera de pedidos contratada asciende a 496.000 millones de dólares](https://www.techtimes.com/articles/322572/20260731/aws-backlog-hits-496b-amazon-raises-ai-spend-220b-capacity-runs-short.htm), con la capacidad prácticamente agotada para 2026 y en gran parte reservada para 2027 [3].

Los compromisos futuros de Anthropic y OpenAI con Trainium que se han hecho públicos superan los 225.000 millones de dólares [2]. A principios de este mes describimos cómo Amazon [vendía el riesgo de 8.000 millones de dólares en chips de Nvidia](https://theinference.org/article/amazon-is-selling-the-risk-on-8-billion-of-nvidia-chips-not-the-chips); a aquella operación le faltaba la otra mitad: la demostración de que Trainium podía ganar cargas de trabajo con su propio software. Y esa demostración se hizo pública esta semana [2].

*Chart: **El gasto de capital trimestral de Amazon casi se ha quintuplicado en tres años** Gráfico de líneas con el gasto de capital trimestral de Amazon, que sube de 11.300 millones de dólares en el tercer trimestre de 2023 a 53.100 millones en el segundo trimestre de 2026.*

*Gasto de capital trimestral según los registros de Amazon ante la SEC; el plan de unos 220.000 millones de dólares para el conjunto de 2026 es una previsión de la compañía, no un dato representado en el gráfico. [3][4]*

## El cuello de botella se trasladó al compilador

Lo que hoy limita a Trainium es el acabado del software, y Amazon está pagando por cerrar esa brecha. Compilar la receta gpt-oss tardó unos 27 minutos, tiempo muerto para investigadores que iteran cada hora; AWS asegura que un compilador reconstruido apunta a recortar esa espera hasta cien veces [1].

Amazon también está [cerca de completar la adquisición de Decart por 7.000 millones de dólares](https://www.techtimes.com/articles/328919/20261012/amazon-nears-7-billion-decart-deal-fix-why-ai-developers-pick-nvidia-over-its-trainium.htm), una startup israelí cuya pila de optimización reduce de meses a semanas la migración desde CUDA [5]. Anthropic también se cubre, con un equipo propio de chips, aunque su silicio de producción no llegaría antes de 2028 [6]. Para los ingenieros, la habilidad más cotizada se desplaza de escribir CUDA a hacer que los modelos rindan bien en el silicio más barato que haya.

## El 29 de octubre, el día en que se reprecia la apuesta

Los hechos llegan hasta la prueba de entrenamiento y el margen de AWS. Lo que viene después es proyección: un entrenamiento más barato sobre una inferencia más barata abriría lo que Jassy llama el centro de la 'barbell': el software empresarial cotidiano que él espera que se convierta en la mayor fuente de demanda de la IA [2].

Amazon presenta los resultados del tercer trimestre el 29 de octubre, y los operadores del mercado de predicción [Kalshi](https://theinference.org/markets/companies/kalshi) asignan un 96% de probabilidades a que Trainium domine la llamada de resultados [2]. La pregunta para Amazon es si los inversores dejan de tratar sus chips como un negocio secundario. La pregunta para Nvidia es si el entrenamiento, su negocio más lucrativo, empieza a competir en precio con un chip al que los investigadores pueden pasarse sin reescribir el código.

## Takeaway

El coste de cambio de CUDA que protegía el negocio de entrenamiento de Nvidia se está erosionando: SemiAnalysis ejecutó entrenamiento de investigación en Trainium con PyTorch nativo el mismo día en que Andy Jassy presentó los chips como remedio a los costes de inferencia, con los resultados de Amazon a solo seis días.

## Sources

1. [SemiAnalysis, "Amazon's Trainium Takes a Strike at the Training King", 23 October 2026](https://newsletter.semianalysis.com/p/amazons-trainium-takes-a-strike-at)
2. [Benzinga via Yahoo Finance, "Amazon CEO Andy Jassy Says AI Inference Is Still 10 Times Too Expensive, Claims Amazon Chips Offer Answer", 23 October 2026](https://finance.yahoo.com/technology/ai/articles/amazon-ceo-andy-jassy-says-182824730.html)
3. [TechTimes, "AWS Backlog Hits $496B as Amazon Raises AI Spend to $220B and Capacity Runs Short", 31 July 2026](https://www.techtimes.com/articles/322572/20260731/aws-backlog-hits-496b-amazon-raises-ai-spend-220b-capacity-runs-short.htm)
4. [Amazon, quarterly figures from its SEC filings, retrieved 23 October 2026](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001018724)
5. [TechTimes, "Amazon Nears $7 Billion Decart Deal to Fix Why AI Developers Pick Nvidia Over Its Trainium", 12 October 2026](https://www.techtimes.com/articles/328919/20261012/amazon-nears-7-billion-decart-deal-fix-why-ai-developers-pick-nvidia-over-its-trainium.htm)
6. [TechTimes, "Anthropic Confirms In-House Chip Team: Co-Design Bet Could Cut Claude Inference Costs in Half", 5 August 2026](https://www.techtimes.com/articles/323238/20260805/anthropic-confirms-house-chip-team-co-design-bet-could-cut-claude-inference-costs-half.htm)


---

El chip Trainium de Amazon ya entrena modelos de IA, no solo los ejecuta, y pone a prueba a Nvidia antes de los resultados del 29 de octubre — The Inference. Canonical: https://theinference.org/article/amazon-s-trainium-can-now-train-ai-models-not-just-run-them-testing-nvidia-before-amazon-s-october-29-report/es