Uber 押注亞馬遜 AI 晶片，將 AWS 交易額擴大 15%

Uber 正在加深對亞馬遜定制矽片的依賴，擴大了 AWS Graviton 處理器的使用範圍，並成為最新一家測試 Trainium3 AI 加速器的主要科技公司。Trainium3 是 Nvidia 主導地位晶片的直接競爭對手。

「將核心工作負載轉移到 Graviton 已經使我們的計算成本降低了 15%」，Uber 的一名工程主管表示。「測試 Trainium3 是針對成本和性能優化我們機器學習模型的下一步。」

這項於 4 月 7 日宣佈的交易將使 Uber 將更多核心打車服務和物流服務遷移到基於 ARM 架構的 Graviton CPU 上。雖然亞馬遜尚未披露 Trainium3 的全部規格，但其聲稱該晶片在訓練大語言模型時的性價比比同類 Nvidia GPU 高出 40%。

像 Uber 這樣的大流量用戶採用該晶片，是對亞馬遜 (AMZN) 數十億美元晶片戰略的重大認可，也是對 Nvidia (NVDA) 在 AI 數據中心市場 80% 份額日益增長的競爭威脅。對於 Uber (UBER) 而言，這代表了一項減少對技術供應商依賴並控制基礎設施成本的長期計劃。

這一戰略擴張是由與訓練和運行 AI 模型相關的巨大計算成本驅動的，這些模型對 Uber 的定價、路線和調度算法至關重要。通過使用亞馬遜定制設計的晶片，Uber 旨在創建一個更具成本效益和能源效率的基礎設施棧，減少對 Nvidia 和 Intel 等第三方供應商昂貴的通用硬件的依賴。

亞馬遜在定制矽片領域的發力反映了 Google 和微軟在控制自身硬體命運和降低營運支出方面的努力。雖然 Nvidia 的 H100 和即將推出的 B200 GPU 仍然是高性能 AI 訓練的行業標準，但推理和特定訓練工作負載中出現了「足夠好」且更具成本效益的內部替代方案（如 Trainium），這正成為一種日益增長的趨勢。這一趨勢威脅著 Nvidia 在 AI 硬體領域的近乎壟斷地位。

對於投資者來說，這標誌著 AI 晶片市場並非「贏家通吃」的局面。亞馬遜能夠贏得像 Uber 這樣大客戶的工作負載，為其晶片雄心增加了可信度，可能提振其 AWS 的增長敘事。雖然這不會立即威脅到受大量積壓訂單保障的 Nvidia 營收，但它凸顯了長期風險。摩根士丹利分析師指出，企業採用替代 AI 晶片可能會限制 Nvidia 的估值倍數，其目前交易價格高於歷史收益的 70 倍。

本文僅供參考，不構成投資建議。