🐯虎嗅•較早收集於 24m
Anthropic救場，AWS AI大單增長28%
💡AWS AI大單超2380億美元，驅動28%增長；Trainium採用激增（42字）
⚡ 30-Second TL;DR
有什麼變化
AWS Q1營收年增28%至376億美元，季增4個點，受AI需求加速
為什麼重要
提升亞馬遜AI基礎設施領導地位，對抗Azure/GCP；驗證Trainium成本效益訓練。預示超大雲供應商AI容量競賽中持續Capex。
下一步行動
在AWS控制台測試Trainium2實例，用於下一個大規模模型訓練。
誰應關注：Enterprise & Security Teams
關鍵要點
- •AWS Q1營收年增28%至376億美元，季增4個點，受AI需求加速
- •OpenAI合約擴至1380億美元/7年；Anthropic至1000億美元/10年，雙方承諾Trainium
- •Capex創442億美元紀錄，自由現金流轉負，發債融資超530億
- •RPO餘額增至3640億美元；自研晶片年化銷售200億美元
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •AWS 透過與 Anthropic 的深度合作，成功將其自研的 Trainium2 晶片整合至 Claude 3.5 及後續模型的訓練與推理管線中，顯著降低了對 NVIDIA GPU 的依賴。
- •亞馬遜在 2026 年 Q1 的資本支出（Capex）激增，主要用於建設大規模液冷數據中心，以支援高達 500MW 功率密度的 AI 叢集部署。
- •AWS 透過「Bedrock」平台實現了模型供應商的多樣化，目前已成功將 OpenAI 的部分非核心工作負載遷移至其託管環境，進一步鞏固了其作為 AI 基礎設施中立平台的地位。
📊 競品分析▸ Show
| 特性 | AWS (Bedrock/Trainium) | Microsoft Azure (OpenAI/Maia) | Google Cloud (Vertex AI/TPU) |
|---|---|---|---|
| 核心晶片 | Trainium/Inferentia | Maia 100 | TPU v5p/v6 |
| 模型策略 | 多模型中立 (Anthropic/Meta/Mistral) | 獨家深度綁定 OpenAI | 自研 Gemini 為主 |
| 基礎設施優勢 | 彈性與成本控制 | 企業級整合與生態 | 軟硬體垂直整合效率 |
🛠️ 技術深入
- Trainium2 晶片：採用 5nm 製程，專為大規模分散式訓練設計，單晶片記憶體頻寬較前代提升 3 倍。
- 互連架構：利用 AWS Elastic Fabric Adapter (EFA) 實現超低延遲的叢集通訊，支援數萬個節點的同步訓練。
- 軟體堆疊：AWS Neuron SDK 深度整合 PyTorch 與 JAX，允許開發者在不修改模型架構的情況下遷移至 Trainium 平台。
🔮 前景展望AI analysis grounded in cited sources
AWS 將在 2026 年底前實現自研晶片佔總 AI 算力需求 40% 以上的目標。
隨著 Trainium2 的大規模部署與軟體生態的成熟，亞馬遜正積極透過成本優勢將客戶從昂貴的 NVIDIA 實例轉移至自研硬體。
亞馬遜的自由現金流將在 2026 年下半年恢復正成長。
隨著大規模基礎設施建設進入營運階段，AI 服務帶來的營收增長將開始抵銷前期高額的資本支出。
⏳ 時間線
2023-09
亞馬遜宣布向 Anthropic 投資 40 億美元並建立戰略合作夥伴關係。
2023-11
AWS 正式發布 Trainium2 晶片，旨在提供比前代高 4 倍的訓練效能。
2024-03
亞馬遜完成對 Anthropic 的 40 億美元總投資額，深化雲端與晶片合作。
2025-06
AWS 宣布其自研 AI 晶片年化銷售額突破 100 億美元大關。
2026-02
AWS 與 OpenAI 簽署為期 7 年的基礎設施合作協議，擴大算力支援規模。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗