4倍性能、50%成本降幅！亞馬遜強勢推出Trainium3芯片，AI訓練推理增添新選項！

當地時間 12 月 2 日，亞馬遜云計算服務（AWS）在美國拉斯維加斯舉辦的年度云計算盛會“AWS re:Invent 2025”上發布了全新的自研 Trainium3 芯片，以及采用 Trainium3 芯片的 Trainium3 UltraServer 服務器。

根據首席執行官 Matt Garman 的介紹，新款 Trainium3 芯片的性能是前代產品的 4 倍，并采用臺積電 3 納米工藝制造。每個芯片都配備了 144 GB 的 HBM3E 內存，內存帶寬為 4.9 TB/s，提供 2.52 FP8 PFLOPs 的算力。

（來源：社交媒體 X）

Trainium3 UltraServer 單機最多集成 144 顆 Trainium3 芯片，總共配備 20.7 TB HBM3E、706 TB/s 內存帶寬，可提供最高 362 FP8 PFLOPS 的算力，時延降低 4 倍，可更快訓練超大模型，并大規模支撐推理服務。

其計算性能比 Trainium2 UltraServer 高出 4.4 倍，能源效率高出 4 倍，內存帶寬也高出近 4 倍。在使用 OpenAI 的開源大模型 GPT-OSS 進行測試時，Trainium3 UltraServer 的單芯片吞吐量可提升 3 倍，推理響應速度提升 4 倍。這意味著企業可以在更小的基礎設施規模下應對峰值需求，顯著優化用戶體驗，同時降低每次推理請求的成本。

AWS 以垂直整合方式打造 Trainium3 UltraServer，從芯片架構到軟件棧全鏈路協同。核心之一是新一代網絡基礎設施，用于消除傳統分布式 AI 計算的通信瓶頸：NeuronSwitch-v1 提供 2 倍 的 UltraServer 內部帶寬；增強型 Neuron Fabric 將芯片間通信延遲降低至 10 微秒以內。

這種強大的配置使得它非常適合處理下一代最前沿的 AI 工作負載，例如：訓練大規模AI模型，可以將復雜模型的訓練時間從數月縮短至數周；處理高并發的 AI 推理請求，以低延遲實時處理數百萬用戶的請求，例如智能對話、視頻生成等；運行特定復雜任務，如智能體系統、專家混合模型和大規模強化學習等。

包括 Anthropic、Karakuri、Metagenomi、NetoAI、Ricoh、Splash Music 等客戶，已經借助 Trainium 將訓練和推理成本降低最多 50%。其中，Decart 在實時生成式視頻方面實現了 4 倍推理速度提升，成本僅為 GPU 的一半；而 Amazon Bedrock 已經在生產環境中使用 Trainium3 提供服務。

（來源：社交媒體 X）

對于需要更大規模的客戶，EC2 UltraCluster 3.0 可連接數千臺 UltraServer，構成擁有多達 100 萬顆 Trainium 芯片的集群——是上一代的 10 倍。這使得此前完全不可能的任務成為現實：從在萬億級 token 數據集上訓練多模態模型，到為數百萬并發用戶提供實時推理服務。

自研芯片是亞馬遜的重要戰略項目之一，目標是避免過度依賴昂貴的英偉達硬件。而對于 Trainium3 來說，一個關鍵問題在于：有多少大型外部客戶會愿意采用這套硬件。尤其是在谷歌旗下的 TPU 持續搶占 AI 芯片市場的背景下。

另一個重要變量是 AI 初創公司 Anthropic 的芯片采購分配。今年 10 月，Anthropic 宣布與谷歌達成合作，將使用多達 100 萬顆谷歌 TPU 芯片，以實現除亞馬遜和英偉達之外的供應多元化。

Anthropic 表示，亞馬遜仍是其主要訓練合作伙伴與云服務提供商。該公司預計，到今年年底，將使用超過 100 萬顆 Trainium 2 芯片，其中包括運行在擁有近 50 萬顆 Trainium 處理器的 Project Rainier 超級計算機之上。

此外，AWS 也預告了下一代 AI 訓練芯片 Trainium4 的研發進展。其在各方面都將實現大幅性能躍升，包括處理性能（FP4）至少提升 6 倍、FP8 性能提升 3 倍、內存帶寬提升 4 倍。結合持續的軟硬件優化，其實際性能提升將遠超基準數值。

其中，FP8 提升 3 倍是一次基礎性飛躍。模型訓練至少快 3 倍，推理吞吐量也至少提升 3 倍，并且隨著軟件優化將獲得進一步加成。FP8 已成為現代 AI 工作負載在精度與效率之間的行業標準格式。

為進一步提升單機擴展性能，Trainium4 將支持 NVIDIA NVLink Fusion 高速互聯技術。該能力將使 Trainium4、AWS Graviton 處理器及 Elastic Fabric Adapter（EFA）能在統一 MGX 機架內協同工作，為客戶提供支持 GPU 與 Trainium 的成本更優、性能更強的機架級 AI 基礎設施。

這一整合將構建一個靈活、高性能的平臺，優化應對未來對訓練與推理都極其苛刻的 AI 工作負載。

https://www.aboutamazon.com/news/aws/trainium-3-ultraserver-faster-ai-training-lower-cost