--- title: "Чип Amazon Trainium научился обучать ИИ-модели, а не только запускать их — проверка Nvidia на прочность перед отчетом 29 октября" description: "Практический тест SemiAnalysis показал: Trainium2 и Trainium3 справляются с исследовательским обучением моделей в нативном PyTorch. Результаты опубликованы в тот же день, когда Энди Джасси заявил, что инференс пока в десять раз дороже, чем нужно, и предложил чипы Amazon в качестве решения. Сместился именно тот программный барьер, что удерживал исследователей на Nvidia. Отчет Amazon — 29 октября." 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/ru language: ru keywords: "Amazon, Trainium, Nvidia, AI Chips, AWS, Anthropic" --- # Чип Amazon Trainium научился обучать ИИ-модели, а не только запускать их — проверка Nvidia на прочность перед отчетом 29 октября > Практический тест SemiAnalysis показал: Trainium2 и Trainium3 справляются с исследовательским обучением моделей в нативном PyTorch. Результаты опубликованы в тот же день, когда Энди Джасси заявил, что инференс пока в десять раз дороже, чем нужно, и предложил чипы Amazon в качестве решения. Сместился именно тот программный барьер, что удерживал исследователей на Nvidia. Отчет Amazon — 29 октября. Trainium — собственный ИИ-чип [Amazon](https://theinference.org/markets/companies/amazon) — перешагнул черту, которая его до сих пор определяла: теперь он умеет обучать модели, а не только запускать их. [SemiAnalysis](https://theinference.org/markets/companies/semianalysis), независимая фирма по исследованию рынка чипов, только что завершившая недели работы со стойками Trainium3, [сообщает, что PyTorch — фреймворк, которым уже пользуется большинство исследователей, — теперь исполняется на чипе нативно](https://newsletter.semianalysis.com/p/amazons-trainium-takes-a-strike-at): код работает в режиме пошагового выполнения (eager mode), строка за строкой, как привыкли исследователи; действует инструмент ускорения torch.compile, а практически единственное изменение в коде — замена `.to("cuda")` на `.to("neuron")` [1]. Об ограничениях сказано не менее прямо: стек «даже близко не подошел к зрелости экосистемы CUDA» — программного слоя [Nvidia](https://theinference.org/markets/companies/nvidia), — а крупнейшая из протестированных моделей насчитывала 32 млрд параметров: масштаб исследовательский, а не запуск frontier-модели [1]. Тот же день глава Amazon [Энди Джасси](https://theinference.org/markets/people/andy-jassy) посвятил теме спроса: в беседе с венчурной фирмой [a16z](https://theinference.org/markets/companies/a16z) он заявил, что инференс — вычисления, которые оплачиваются при каждом ответе модели, — все еще на порядок дороже необходимого, а Trainium дает на 30–40% лучшее соотношение цена/производительность, чем сопоставимые процессоры [2]. Цены Nvidia на обучение держались как раз на том программном трении, которое только что измерила SemiAnalysis. Это трение размывается. ## Издержки переключения и были защитным рвом [Anthropic](https://theinference.org/markets/companies/anthropic) — лаборатория ИИ, создавшая Claude, и якорный заказчик Trainium — уже выполняет на Trainium2 и Trainium3 продакшн-инференс и прогоны обучения с подкреплением [1]. Исследовательское обучение оставалось последним бастионом: исследователи ежедневно перекраивают архитектуры моделей, а старый маршрут на Trainium шел через графовый компилятор в духе XLA, вынуждавший каждого, кто приходил с CUDA, переучивать свой цикл обучения [1]. SemiAnalysis обучила модель с открытыми весами Qwen3-32B, отредактировала код ее архитектуры и запустила «из коробки» рецепт gpt-oss — открытую схему обучения от [OpenAI](https://theinference.org/markets/companies/openai) [1]. Результат: 14 156 токенов в секунду при MFU 30,47% в скомпилированном режиме против 11 099 токенов при 23,89% в eager-режиме — прирост в 1,28 раза [1]. MFU показывает, какую долю пиковой вычислительной мощности чипа фактически использует прогон обучения. За этим стоят до 80 тыс. физических ядер автоматизированного контроля качества: они сверяют результаты вычислений с эталонами Nvidia на 100 тыс. самых популярных моделях в [Hugging Face](https://theinference.org/markets/companies/hugging-face) — репозитории, где исследователи делятся кодом [1]. AWS также наняла инженера, руководившего у Google работами по нативному запуску PyTorch на чипах TPU, — чтобы повторить здесь тот же прием [1]. Каждый пройденный тест — еще одна модель, которую исследователь может перенести, не переписывая код. ## Сначала — маржа Деньги пришли в движение раньше, чем тест. AWS отчиталась об операционной марже в 39,4% во II квартале 2026 года — и это несмотря на рост капитальных расходов [3]. [Портфель законтрактованных заказов достигает $496 млрд](https://www.techtimes.com/articles/322572/20260731/aws-backlog-hits-496b-amazon-raises-ai-spend-220b-capacity-runs-short.htm): мощности на 2026 год фактически распроданы, а на 2027-й — в основном уже забронированы [3]. Раскрытые будущие обязательства Anthropic и OpenAI по Trainium превышают $225 млрд [2]. Ранее в этом месяце мы описывали, как Amazon [продает риск по чипам Nvidia на $8 млрд](https://theinference.org/article/amazon-is-selling-the-risk-on-8-billion-of-nvidia-chips-not-the-chips); недостающей половиной той сделки было доказательство, что Trainium способен завоевывать заказы на собственном софте, — и на этой неделе такое доказательство стало публичным [2]. *Chart: **Квартальные капитальные расходы Amazon за три года выросли почти впятеро** Линейный график квартальных капитальных расходов Amazon: рост с $11,3 млрд в III квартале 2023 года до $53,1 млрд во II квартале 2026 года.* *Квартальные капитальные расходы — по отчетам Amazon в SEC; план на весь 2026 год — около $220 млрд — это ориентир компании, а не нанесенная на график величина. [3][4]* ## Узкое место сместилось в компилятор Единственное, что сейчас сдерживает Trainium, — недоведенность софта, и Amazon платит за то, чтобы закрыть этот пробел. Компиляция рецепта gpt-oss заняла около 27 минут — мертвое время для исследователей, делающих новую итерацию каждый час; по словам AWS, переписанный компилятор нацелен на сокращение этого ожидания вплоть до 100 раз [1]. Amazon также [близка к приобретению Decart за $7 млрд](https://www.techtimes.com/articles/328919/20261012/amazon-nears-7-billion-decart-deal-fix-why-ai-developers-pick-nvidia-over-its-trainium.htm) — израильского стартапа, чей стек оптимизации сокращает портирование с CUDA с месяцев до недель [5]. Anthropic тоже страхуется: компания держит собственную команду по разработке чипов, хотя серийные чипы появятся не раньше 2028 года [6]. Для инженеров самый ценный навык постепенно смещается от написания кода под CUDA к умению заставлять модели хорошо работать на любом самом дешевом кремнии. ## 29 октября — точка переоценки Факты заканчиваются на тесте исследовательского обучения и марже AWS. Дальше — прогноз: дешевое обучение поверх дешевого инференса открывает то, что Джасси называет «серединой штанги» (barbell), — повседневный бизнес-софт, который, по его ожиданиям, станет крупнейшим источником спроса на ИИ [2]. Amazon отчитается о результатах за третий квартал 29 октября, и трейдеры рынка предсказаний [Kalshi](https://theinference.org/markets/companies/kalshi) оценивают в 96% вероятность того, что Trainium станет главной темой конференц-колла [2]. Вопрос для Amazon — перестанут ли инвесторы считать ее чипы побочным бизнесом. Вопрос для Nvidia — начнет ли обучение, ее самый прибыльный бизнес, оцениваться с оглядкой на чип, к которому исследователи могут перейти, не переписывая код. ## Takeaway Издержки переключения с CUDA, защищавшие самый прибыльный для Nvidia бизнес — обучение моделей, — размываются: SemiAnalysis провела исследовательское обучение на Trainium в нативном PyTorch в тот самый день, когда Энди Джасси предложил эти чипы как средство от дорогого инференса. До отчета Amazon 29 октября оставалось шесть дней. ## 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) --- Чип Amazon Trainium научился обучать ИИ-модели, а не только запускать их — проверка Nvidia на прочность перед отчетом 29 октября — 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/ru