亚马逊获大单，AI芯片竞争转向异构计算

近日，亚马逊云科技（AWS）与数据仓库企业Snowflake达成了一项价值60亿美元（约合人民币407.63亿元）的人工智能基础设施合作项目。在此次合作中，Snowflake将增加对AWS自主研发的Graviton处理器及AI算力的使用。这一动向表明，人工智能产业的竞争焦点正从基于GPU的大语言模型训练，逐渐向由CPU和自研芯片驱动的智能体AI应用阶段拓展，云服务商与芯片制造商之间的竞争格局也在经历重塑。

据彭博社、《华尔街日报》及CNBC等媒体报道，在过去两年里，人工智能市场的核心主要围绕英伟达的GPU构建，涵盖了从大模型训练到推理部署的各个环节。不过，随着人工智能技术从简单的对话问答向具备自主执行能力的智能体AI演进，业界逐渐意识到，除了GPU之外，CPU同样需要消耗大量的计算资源。

智能体AI在运行过程中，需要不断进行数据迁移、工具调用、任务调度、工作流协调以及多智能体同步等操作，这些均属于计算密集型的CPU负载。基于此，AWS近年来积极推广其Graviton处理器，并吸引了Meta和Snowflake等大型客户的规模化部署。这意味着人工智能芯片的竞争已经从GPU单一主导，迈入了GPU与CPU协同工作的新阶段。对于AWS来说，发展Graviton处理器不仅是为了减少对英伟达的依赖，更是其提高云计算利润率、把控供应链的关键战略。

这种发展趋势也蔓延到了其他超大规模云服务商。谷歌云正继续推进TPU和ARM架构芯片的研发；微软推出了Maia AI芯片及其自研CPU；Meta也开始大规模应用Graviton架构。由此可见，人工智能基础设施正在从单纯采购英伟达GPU，逐步转变为由云服务商主导的全栈芯片平台。

然而，这并不意味着英伟达的市场地位会在短期内被撼动。GPU依然是大模型训练和高性能推理的核心硬件，并且当前大部分人工智能软件生态依然高度依赖CUDA架构。英伟达首席执行官黄仁勋近期也在加强CPU领域的布局，发布了Vera CPU和Vera Rubin平台，旨在将业务从GPU扩展至完整的AI服务器架构。

业内普遍预计，在未来几年内，智能体AI将引发新一轮的数据中心建设热潮，并同步拉动CPU、内存、网络通信及存储芯片的需求增长。未来人工智能芯片市场大概率会走向异构计算模式，即由GPU承担模型计算任务，CPU负责智能体协调和数据处理，并配合定制化ASIC与网络通信芯片协同工作。对于AWS、谷歌和微软等云计算巨头而言，自主研发芯片已不仅仅是降低成本的手段，更是争夺下一代人工智能平台主导权的核心武器。

注：按1美元≈6.79人民币计算