亚马逊重磅发布！挑战谷歌、英特尔

亚马逊在re:Invent大会上直接把新一代AI训练芯片和一套新模型服务一起端出来：TrAInium 3已在多个数据中心上线并对外开放，同时推出Nova 2系列模型、Nova Forge“开放式训练”服务和Nova Act浏览器代理服务。市场瞬间有反应，股价短时上扬，几家对手也在盘中出现波动。说白了，就是把硬件、模型和服务一把抓，往AI基础设施的高地上推一把。

发布会的现场节奏很快。AWS副总裁Dave Brown在台上说，Trainium 3已经部署在印第安纳、密西西比、宾夕法尼亚等地的数据中心，并从当天开始对客户开放使用。Brown还强调，明年初会迅速扩大规模。听起来节奏超快，这代产品比上一代间隔不到一年就出来了，和英伟达近年的“每年推新芯片”的频率差不多。简单一句话，就是不拖。

回头看技术细节，Trainium 3在制程上是AWS首款采用3纳米工艺的AI芯片。官方给出的数值不少：每颗芯片的FP8算力被表述为2.52千万亿次浮点运算，单颗芯片内存提升到144GB HBM3e，带宽升到4.9TB/s，和上一代比，算力、带宽和内存容量都大幅提升。把芯片装满的Trn3 UltraServer能放144颗芯片，总算力宣称可达362 PFLOPs，合并内存20.7TB，聚合内存带宽706TB/s。亚马逊还说，这套系统比上一代速度提升超过4倍，内存容量提高4倍，能效比提升40%，性能功耗比提高4倍，每兆瓦输出的token数增加超过5倍，同时延迟保持相当水平。听这些数字，技术面看起来确实进步明显。说句我的看法，这种直观数据给人的信心是有的，但生态和落地还得看后续。

在可扩展性方面，AWS把目光放得很大。Trn3 UltraServer能在EC2 UltraClusters 3.0里横向扩展到数万甚至更多颗芯片。AWS提到的目标是：年底前为AI初创公司Anthropic提供100万颗芯片。现在Anthropic已经是主要用户之一，亚马逊早些时候说，已经把超过50万颗芯片连起来帮Anthropic训练最新模型。只是Anthropic并不只用AWS的设备，他们也在用谷歌的TPU，早前还与谷歌达成了大额计算资源协议。换句话说，Anthropic愿意把预算分配到多个供应商上，这对AWS来说既是机会也是竞争局面的一部分。

另外，AWS没有只把重点放在硬件上。当天他们也同步推出Nova家族新成员和几个服务。Nova 2系包括Lite、Pro、Sonic、Omni四款模型，分别瞄准不同场景：Lite主打低成本、快推理，能处理文本、图片和视频并生成文本；Pro是高智能推理模型，适合复杂任务如长期规划和代理编码；Sonic是语音到语音的统一模型，支持实时类人的对话和大上下文窗口；Omni则是统一的多模态生成和推理模型，可一次性处理大量文本、长音频、长视频和海量文档。官方还把基准测试摆出来说事：Lite在多个测试里优于或不逊于Claude Haiku 4.5和GPT-5 Mini；Pro在若干基准里对比Claude Sonnet 4.5、GPT-5.1和Gemini 2.5 Pro也有竞争力。这样的对比，亚马逊是把自家模型能力和价格性能比放到台面上比拼。

和模型配套的服务更值得注意。Nova Forge主打“开放式训练”的概念，允许企业访问预训练/中期/后训练的模型检查点，把自有数据和亚马逊的策划数据混合训练，给定制模型提供更灵活的路径。亚马逊把这种定制能力描述为能解决企业遇到的三类难题：把专有知识嵌入模型时深度受限、要继续训练开源权重但缺原始训练数据、或从零开始造模型成本太高。Forge还允许客户在自有环境里进行强化学习训练（他们称为“gyms”）、选择生成更小更快的模型，以及使用一套负责任AI工具来做安全控制。Reddit、Booking.com、Cosine AI、Nimbus Therapeutics、野村综合研究所、OpenBabylon和索尼等都被点名在用或测试Forge。Reddit的CTO说，他们用Forge把多个模型合并，想用一种更统一的方法做内容审核。不少企业愿意试，说明这个服务确实触到了企业在定制化上的痛点。说实话，这种把训练检查点开放出来的做法，能不能真正吸引大量客户，还得看价格和使用难度。

另一个新服务是Nova Act，聚焦浏览器端自动化的AI代理。它用定制的Nova 2 Lite驱动，在大量模拟网络环境里训练，官方说早期客户的可靠性达到了90%。这种能力对做重复性网页操作、更新CRM数据、测试网站功能或提交理赔流程很有用。亚马逊给出了一些真实案例：Sola Systems在接入Nova Act后每月自动化数十万个工作流；1Password用它减少了跨数百网站检索登录信息的人工步骤；Hertz把端到端测试的周期从数周缩短到数小时，软件交付速度提升了5倍。这类能直接替代大量人工操作的工具，企业会很在意成本和稳定性。个人感觉，自动化可靠到90%听着不错，但在关键业务里，剩下10%出问题的场景依旧会被放大。

当然，光有硬件和模型还不够。生态问题是AWS不得不面对的现实。英伟达的CUDA生态已经被大量主流AI应用采用，软件和工具链成熟，客户往往选择更“开箱即用”的路线。Bedrock Robotics的CTO Kevin Peterson就说，他们在AWS上跑基础设施，但在训练挖掘机模型时仍使用英伟达芯片，因为他们需要性能强且易用的方案——那是英伟达现有的优势。AWS知道这一点，所以在发布会上强调Neuron SDK和对PyTorch的原生支持，目标是让开发者不改模型代码就能在Trainium上训练和部署，试图缩短技术迁移门槛。

发布会还透露了下一代产品的规划。亚马逊预告了Trainium 4的研发计划，称这会带来更大的性能飞跃，并将支持英伟达的NVLink Fusion高速互联技术。换言之，未来Trainium 4的系统能和英伟达GPU互通互操作，方便把基于英伟达开发的大型AI应用迁移或扩展到AWS平台上。考虑到很多模型和工具是围绕英伟达架构优化的，这种兼容性会降低客户切换的阻力。不过，亚马逊没有给出Trainium 4的明确发布时间，只说在来年的re:Invent上会有更多消息。

把这些消息拼起来看，市场短期反应是：亚马逊股价在消息发布后逼近日高239美元，日内涨幅一度扩大到将近2.2%；英伟达盘初涨幅收窄，盘中波动后回吐部分涨幅；AMD当天股价则有不同程度下跌。收盘时亚马逊微涨，英伟达小幅上涨，AMD下跌近2.1%。这类市场变化反映出投资者对AWS动作既有期待也有疑问——期待的是替代成本更低的选项，疑问是生态和实际效果能否跟上。

客户分布上，除Anthropic外，AWS点名的Trainium 3用户并不算多，主要还集中在几家机构上。官方披露，日本的LLM Karakuri、Splashmusic和Decart也在使用第三代Trainium并声称降低了推理成本。总体来说，AWS希望通过硬件+模型+服务的组合，争取那些看重性价比的企业客户。

会议现场的节奏、技术数据、客户案例和市场反应已经记下了。亚马逊在同一场合同时推出硬件和面向企业的训练与部署服务，动作明显是在用一套整体解决方案去争取市场。至于后来会怎样，得看这些产品的实际部署效果、价格策略和软件生态能不能快速跟上。你要是关注落地和成本，接下来几个月会比较有意思。