芯片独立、用户和技术需求使然

目前，对于计算场景的应用复杂程度已经倒逼芯片处理性能的提升。

多重负载，尤其是在机器学习方面，芯片性能直接制约了算法的应用。

在很多情况下，芯片定制不仅仅可以把成本降低一个数量级，电量消耗减少到1／10；

并且这些定制化的方案可以给客户以更低的延迟提供更好的服务。

从自研芯片的动机看，一方面是芯片独立的需求，另一方面也来自用户和技术。

从用户角度看，亚马逊云所发布的两款定制芯片，其核心目的并不是为了与传统芯片厂商进行竞争，而是来自用户自下而上的需求：性能和成本。

从技术角度看，非常规芯片正成为算力不断变化和竞争压力下的选择，通用的CPU和GPU难以满足。

与传统芯片厂商相比，云厂商的造芯运动更大优势在于其生态。

如果能充分发挥自己的优势和资源，芯片市场将很有可能被打开一片新的蓝海。

亚马逊AWS逐渐构筑起特有的竞争优势

2006年，AWS发布第一个云服务Amazon S3对象存储，这也是AWS存储的起点。

从2013年推出首颗Nitro1芯片至今，这家最先涉足自研芯片的云厂商，已坐拥网络芯片、服务器芯片、人工智能机器学习自研芯片三条产品线。

亚马逊自2015年初以来就有一个专注于AWS的芯片定制团队，在此之前，AWS与合作伙伴合作构建专业化解决方案。

2019年，AWS发布第二代服务器芯片Graviton，其实例上市后，客户把更多不同的应用方式部署到Graviton上，跨越的范围也进一步扩展。

从定制硬件整机开始，再逐步深入到定制芯片，然后慢慢地把上层的软件、芯片以及硬件整机全方位协同并整合到一起。

从CPU到加速芯片再到存储，这些AWS基础底层技术的进化都是从芯片创新开始的。

4代网络芯片Nitro、3代服务器芯片Graviton、1代AI推理芯片、1代AI训练芯片，这是AWS迄今公布的云计算底座自研芯片版图。

2021年底发布的Graviton3芯片，又把性能和性价比提升了一个新的高度。

Graviton3的性能相比前一代提升了至少25％，功耗降低了高达60％。

该处理器将运行多达64个内核，拥有500亿个晶体管，时钟速度为2．6GHz。

2022年，推出自研通用计算处理器Amazon Graviton3，可为科学计算、机器学习和媒体编码工作负载提供高达2倍的浮点运算性能。

推出自研机器学习训练芯片，基于亚马逊Trainium芯片的计算实例Trn1实例正式发布，可为在Amazon EC2中进行深度学习模型训练以提供最佳性价比和最快的训练速度。

自研芯片成为关键优势

从历史发展的进程来看，x86服务器芯片其实起源于客户端芯片，然后逐渐往里面增加服务器芯片需要的功能。

而亚马逊没有这样的包袱，他们就专注于服务器芯片本身，而且就看准了基于ARM架构的服务器CPU。

经过将近20年的发展，2020年云科技部门虽然收入只占亚马逊总收入的12％，但利润有135亿美元。

也就是说，公司有将近60％的税前利润是由亚马逊云科技提供的。

看向未来十年，自研服务器芯片Graviton将成为AWS的一个关键优势。

Graviton服务器的速度和效率为AWS客户节省了资金，但对服务器的需求如此之大，以至于亚马逊从中产生的收入正在飙升。

截至去年第三季度，2018年底推出的Graviton服务器的收入每年或超过50亿美元。

这意味着，如果Graviton服务器继续增长，2022年，它可能会占亚马逊弹性计算云收入的10％以上。

从技术方面看，亚马逊云科技是全球当之无愧的云计算第一大厂。

根据知名咨询机构Gartner发布的报告，亚马逊云科技已经连续11年在领导力象限排名第一。

在现在看来，亚马逊自研芯片这步棋，走的无比正确。

芯片也帮助他们从一个To C的电商，逐步转型并且颠覆一个To B的行业。

未来走向生态耦合

从技术路线来看，AWS是先纵向［做深根基］，再横向［创新突破］。

不过，AWS起步更早，技术广度、成熟度更高，从IaaS、PaaS到SaaS的覆盖范围也更广泛。

生态是云计算与生俱来的特征之一。云生态一般衍生于内部业务，之后再向垂直方面与关联方面整合。

亚马逊从自身电商业务孵化后，通过云平台整合垂直领域企业，在服务链条上聚集的公司足够多的时候，将产业上下游企业关联在一起，实现生态耦合。

目前，亚马逊在云计算上依然有较大的优势，但是竞争压力也在不可避免地增大。

因此，为了盘活整个生态网络，必须在全球建立更多数据中心将算力辐射到更大范围。

公开数据显示，亚马逊2021年研发支出高达560亿美元，营收占比约为12％。

结尾：

未来AWS在数据中心关键芯片还没有的会逐渐补齐，已有的芯片类型后续会持续增强。

过去十年，全球最大云基础设施服务商AWS通过提升技术和降价，在市场保持领先优势。