从基础设施到芯片战略，亚马逊云科技领跑IaaS“AI时代”_

众所周知，随着生成式AI技术的走红，它已经开始在一些企业的业务流程里“大放异彩”。无论是用于辅助设计、还是智能客服、亦或内部的管理，这些最新的AI大模型都带来了惊人的效率提升。

但与此同时，对于AI大模型而言，其训练和推理所需的庞大算力，往往也成为了潜在用户都不得不面对的一大难题。

在这样的背景下，使用公有云IaaS（基础设施即服务）、而非自建算力基础设施，就成为了许多企业降本增效、拥抱AI大模型时代的重要举措。例如在近日公布的《2025年IDC MarketScape：全球公有云基础设施即服务（IaaS）报告》中，全球市场分析机构国际数据公司（IDC）就明确指出，随着企业将更多工作负载迁移到云端、并创建新的云原生应用，公有云IaaS继续快速增长，预计2025年IaaS的整体规模将达到1880亿美元。

不过正如IDC报告中所阐述的那样，由于AI正在通过多种方式“重塑”云基础设施，也就意味着并非所有的IaaS服务商都已经针对AI时代的需求做好准备。在现有的IaaS行业中，无论从能力、还是战略的维度进行考量，亚马逊云科技都以显著的优势被IDC评为了行业领导者。

那么，为什么会是亚马逊云科技，在如今的IaaS行业里，他们又到底有着怎样的独特优势呢？结合IDC的这份报告以及更多的公开信息，其实并不难找到这个问题的答案。

遍布全球的可靠基础设施，是亚马逊云科技的底气

对于任何一家IaaS服务商而言，安全、稳定，且能够保证足够可用性的基础设施节点，无疑是一切的基础。而说到对于基础设施的建设，这确实也是亚马逊云科技相当突出的“底气”。

根据公开信息显示，截至目前为止，亚马逊云科技的基础设施已遍及36个地理区域的114个可用区。同时，他们已经公布了包括新西兰、沙特等在内的4个新建区域、12个可用区的建设计划。

针对数据中心本身的硬件稳定性，亚马逊云科技还进行了诸多创新设计。比如，他们成功简化了数据中心的电气和机械设计，将潜在的电气问题减少了89%，同时令基础设施可用性提高到99.9999%。而通过集成风冷与液冷功能的新设计冷却系统，亚马逊云科技不仅大幅降低了数据中心的冷却成本，促进本身算力的“降本增效”，同时还使得他们的数据中心能够支撑起用于AI的超级计算解决方案，即便在持续的超大规模压力下也长期稳定无虞。

当然，对于许多企业来说，他们的业务可能遍及多个区域，再加上大模型的训练往往也需要用到超大规模的算力集群，这就对IaaS的网络性能也提出了更高的需求。

针对这一点，亚马逊云科技一方面允许多区域之间的实时数据一致性，为大规模的跨国业务做好了网络基础设施的准备。另一方面，就在2024年的re:Invent上，亚马逊云科技还推出了第二代UltraCluster网络架构（也称为"10p10u"网络），支持超过20000个GPU协同工作，带宽达10Pb/s，延迟低于10μs。如此一来，对于需要超大规模集群训练的任务来说，仅仅这一个网络性能的跃升，便可以将训练时间缩短至少15%。再加上能在不到1秒内恢复网络的全新SIDR网络协议，令亚马逊云科技的分布式计算网络无论是效率还是可靠性，都成为了绝对的业界标杆。

当然，在先进的数据中心和网络硬件基础上，亚马逊云科技更是将“安全性”放在了系统根基的位置。无论是基础设施还是服务，它们从一开始被设计的时候就会以安全作为首要目标，并在运营过程中不断引入新技术，进一步提高安全性。举例而言，通过运用自动推理技术，亚马逊云科技为旗下关键系统的运行提供了严格的数学保证。而且值得一提的是，这些安全设计和技术，并不会因客户类型而有所差异。无论是初创企业还是大公司，它们都可以享受到同样安全的基础设施创新。

持续迭代的自研芯片，让AI算力更唾手可得

如果说遍布全球、既先进又稳定的基础设施，是亚马逊云科技能够承担起IaaS行业领导者地位的“基本因素”，那么在算力实现方式上的持续创新与领先，则可以称得上是助推亚马逊云科技能够始终领跑AI云计算时代的“长远优势”。

早在2024年3月，亚马逊云科技就与英伟达共同宣布，将结合亚马逊云科技的Nitro系统、Amazon KMS密钥管理服务、千万亿比特级的Elastic Fabric Adapter（EFA）网络和Amazon EC2 UltraCluster超大规模集群等技术，与英伟达最新的Blackwell平台和AI软件共同打造包括Project Ceiba在内的多个云端AI超级计算机系统。

需要注意的是，不同于其他的IaaS服务商，亚马逊云科技不仅能够提供基于NVIDIA GPU，以及Intel和AMD x86 CPU的常见云端算力，他们还在行业里率先对自研芯片进行了持续投入。从旨在提升网络与存储能力的Nitro系统，自研处理器Graviton、到机器学习训练芯片Trainium和推理芯片Inferentia。截至目前，所有的这些亚马逊云科技自研芯片都经过了多次迭代，并且每次更新均能提供两位数以上百分比的性价比提升。

其中以Trainium2为例，这是亚马逊云科技在re:Invent 2024期间刚推出的最新款自研训练芯片。在使用该芯片的Amazon EC2 Trn2实例中，16颗Trainium2就可提供高达20.8 Petaflops浮点算力的性能，同时性价比比基于GPU的实例提高了30-40%，非常适合训练和推理数十亿参数的AI大模型。

不仅如此，由于是自研芯片，也就意味着亚马逊云科技可以根据业务需求，对Trainium2的集群进行更大规模的扩展。在Amazon EC2 Trn2 UltraServers服务器里，它使用64块Trainium2进行互联，可提供高达83.2 Petaflops浮点算力。而且亚马逊云科技方面还在打造名为Project Rainier的EC2 UltraCluster超级计算机，其中包含数十万颗Trainium2 芯片，足可达到相当于最新、最领先的AI大模型所需训练算力的5倍以上水准。

这还没完，就在2024年年底，亚马逊云科技还官宣了下一代的AI训练芯片Trainium3。作为他们的第一款3nm制程自研芯片，Trainium3预计将在UltraServers服务器中提供相当于前代4倍的性能。最为重要的是，预计今年年内，我们就会看到亚马逊云科技的新一代推理芯片正式上线，不出意外，他们必将再次重新定义云端AI训练的“性价比新高”。

虽然已成“领导者”，但亚马逊云科技仍在进行自我革命

从各方面的公开信息来看，全球覆盖的高可靠性基础设施，以及以自研芯片为代表的硬件持续创新，可以说很好地代表了亚马逊云科技如今在IaaS业内“基础能力”与“长期战略”两个方面的突出竞争力。

正如IDC分析师、报告作者Dave McCarthy所说的那样，“亚马逊云科技通过广泛的服务组合和持续的创新，在公有云IaaS市场中处于领导地位。广泛的全球基础设施，结合Amazon Graviton等定制芯片计划以及在AI领域的重大投资，使其在满足企业需求方面独具优势。其在可扩展性方面的卓越表现、成熟的开发者社区以及对AI基础设施的积极投入，使其成为需要先进云能力的企业的首选。”

但即便如此，亚马逊云科技也还没有停止继续领跑的脚步。就在今年2月的财报电话会议上，亚马逊首席执行官Andy Jassy确认，他们在2025年的资本投资预计达1000亿美元，其中大部分将用于亚马逊云科技AI基础设施的建设。