自研晶片發展逾10年 AI訓練、推論全面布局
AWS表示，自2006年投入雲端運算後，便發現透過虛擬化提供服務時，底層運算效率仍有提升空間，因此開始投入自研硬體，最早推出Nitro晶片，負責網路、儲存等加速功能；2015年進一步併購晶片設計公司Annapurna Labs，建立自研晶片能力。
2018年起，AWS陸續推出自研晶片產品線，包括採用Arm架構、主打通用運算的Graviton，以及針對AI推論設計的Inferentia、AI訓練使用的Trainium。其中，Graviton目前已發展至第五代，AWS表示，現階段仍以Inferentia負責推論、Trainium負責訓練，但未來將依客戶需求持續調整新一代產品功能定位。
AWS指出，Accelerated Compute（加速運算）產品組合同時整合NVIDIA GPU與AWS自研AI晶片Trainium、Inferentia，可支援AI／機器學習（AI/ML）、高效能運算（HPC）及圖形處理等工作負載，涵蓋大型語言模型、電腦視覺、自然語言理解、推薦系統、異常偵測，以及渲染、產品設計、遊戲串流等應用。
Trainium邁向3奈米、2奈米 台廠供應鏈受矚目
產品布局方面，AWS表示，第二代Trainium（Trn2）鎖定大規模AI模型訓練，主打相較P5e、P5en執行個體可提供30%至40%更佳性價比；新一代Trainium3（Trn3）瞄準Agentic AI、推理（Reasoning）及影片生成等應用，強調提供更低的每Token運算成本。AWS也推出Neuron軟體開發套件（SDK），支援PyTorch、JAX、Hugging Face、vLLM等主流AI框架，讓開發者可沿用既有工作流程進行模型開發、部署與推論。
AWS re:Invent 2025進一步揭露Trainium3 UltraServer系統架構，Trainium3採用台積電3奈米製程打造，同時預告下一代Trainium4（Trn4）將採台積電2奈米製程，預計2027年底推出。Trainium4也將支援輝達NVLink Fusion高速互連技術，可與AWS Graviton處理器及EFA網路架構整合，提升AI基礎設施擴充能力。
市場也關注AWS新一代AI晶片供應鏈布局。外資先前分析，Trainium4設計服務預計將由世芯-KY（3661）取得訂單，台積電（2330）持續負責晶片代工；下游硬體供應鏈包括緯穎（6669）、貿聯-KY（3665）、金像電（2368）、智邦（2345）、川湖（2059）、奇鋐（3017）及台達電（2308）等，也被視為AWS持續擴大AI基礎設施投資的潛在受惠廠商。
大型AI客戶導入 AWS深化台灣半導體合作
AWS表示，目前Trainium已導入多項AI服務，包括Anthropic使用超過100萬顆Trainium晶片訓練及部署Claude模型，Amazon Bedrock平台超過50%的Token運算量由Trainium承擔，OpenAI也規畫透過AWS基礎架構取得2GW Trainium算力，支援Stateful Runtime Environment、Frontier等高階工作負載。
雲端服務應用方面，AWS表示，Graviton採用Arm架構，在AWS前一千大EC2客戶中約98%都會使用Graviton，主要原因在於具備良好的性價比，產品也將持續逐代更新，維持每年推出新世代產品的節奏。
王定愷表示，AWS自研的Graviton、Trainium及Inferentia晶片皆由台積電製造，顯示台灣在全球AI供應鏈的重要角色。除晶片合作外，AWS也將EDA工具搬上雲端，協助半導體業加速晶片設計與開發，並與台積電合作培育半導體人才，持續深化與台灣半導體生態系合作。
點擊閱讀下一則新聞
