亚马逊Trainium芯片不止能运行、还能训练AI模型，10月29日财报前考验英伟达

亚马逊▼−0.72% — 亚马逊, down 0.72 percent today自研的AI芯片Trainium跨过了定义它的那条界线：现在，它不仅能运行模型，还能训练模型。独立芯片研究机构SemiAnalysis刚在Trainium3机架上实测数周，发布报告称，多数研究人员已经在用的PyTorch框架如今可以在Trainium上原生运行↗：代码能在动态图模式（eager mode）下逐行执行，正是研究人员所习惯的方式；提速工具torch.compile可以正常使用；几乎唯一要做的改动，是把`.to("cuda")`换成`.to("neuron")`¹。

局限也说得直白：这套软件栈“与CUDA生态的成熟度相去甚远”——CUDA即英伟达▼−0.54% — 英伟达, down 0.54 percent today的软件层；测试中最大的模型为320亿参数，属于研究级规模，还算不上一次前沿模型训练¹。

同一天，亚马逊首席执行官安迪·贾西把话题放在了需求端。他对风投机构a16z表示，推理——模型每次作答都要付费购买的那部分算力——成本仍然贵了一个数量级；他还称，Trainium的性价比比同类处理器高出30%至40%²。英伟达的训练定价，正是建立在SemiAnalysis刚刚量出的这层软件摩擦之上。而这层摩擦，正在消退。

切换成本曾是那道护城河

AnthropicPVT$350B — Anthropic, private, latest valuation $350B是Claude背后的AI实验室，也是Trainium的头号客户，目前已在Trainium2和Trainium3上承担生产级推理和强化学习rollout¹。迟迟未攻下的是研究训练：研究人员每天都在重塑模型架构，而旧的Trainium路径要经过XLA式图编译器，从CUDA迁移过来的研究者不得不重学训练循环¹。

SemiAnalysis训练了开放权重的Qwen3-32B，修改了它的架构代码，还把gpt-oss训练配方——OpenAIPVT$1.18T — OpenAI, private, latest valuation $1.18T开放权重的训练方案——直接开箱跑通¹。结果：编译模式下达到每秒14,156个token、MFU为30.47%，较动态图模式下的每秒11,099个、MFU为23.89%提升1.28倍¹。MFU衡量一次训练实际用上芯片峰值算力的比例。

在这背后，是一套规模最高达8万个物理核心的自动化质检体系：它对照英伟达基准，在研究人员共享代码的仓库Hugging Face上，对排名前10万的模型逐一核对数值¹。AWS还聘请了曾主导谷歌在TPU芯片上原生运行PyTorch的工程师，在这里如法炮制¹。每通过一项测试，研究人员就多一个无需改写代码即可迁移的模型。

利润率的证据先行一步

资金先于测试而动。2026年第二季度，即便资本开支持续攀升，AWS的营业利润率仍达到39.4%³。其签约在手订单达4960亿美元↗，2026年产能实际上已售罄，2027年产能也基本订满³。

Anthropic与OpenAI已披露的未来Trainium采购承诺合计超过2250亿美元²。本月早些时候，我们曾报道亚马逊出售80亿美元英伟达芯片的风险；那笔交易缺失的另一半，是Trainium能凭自家软件赢得业务的证明，而这一证明本周公之于众²。

瓶颈转移至编译器

如今限制Trainium的，是软件打磨，而亚马逊正在花钱补齐这块短板。编译gpt-oss训练配方耗时约27分钟，对每小时都在迭代的研究人员而言纯属空耗；AWS表示，重构后的编译器目标是把这段等待最多压缩到原来的百分之一¹。

亚马逊还接近以70亿美元收购Decart↗——这家以色列初创公司的优化工具栈，能把耗时数月的CUDA移植压缩到数周⁵。Anthropic也在对冲，自建了芯片团队，但量产芯片最早要到2028年才能问世⁶。对工程师来说，最值钱的技能正从编写CUDA，转向让模型在成本最低的芯片上高效运行。

10月29日：这笔交易将重新定价

确凿的事实，止于训练测试和AWS的利润率；再往后便是推测：更便宜的训练叠加更便宜的推理，将开辟贾西所说的“哑铃中段”——即他预计将成为AI最大需求来源的日常商业软件²。

亚马逊将于10月29日发布第三季度财报，预测市场Kalshi上的交易者认为，Trainium主导此次财报电话会议的概率为96%²。对亚马逊而言，问题是投资者是否将不再把自研芯片视为副业。对英伟达而言，问题则在于：训练是它最赚钱的业务，这块业务是否会开始对标一款芯片定价——而研究人员迁往这款芯片时，无需重写代码。