TechCrunch→ original

Amazon abre o laboratório do Trainium — o chip escolhido por Anthropic, OpenAI e Apple

A Amazon realizou um tour exclusivo pelo laboratório secreto de chips Trainium. Esse chip está no centro do acordo após o anúncio de um investimento de US$…

Processado por IA de TechCrunch; editado por Hamidun News
Amazon abre o laboratório do Trainium — o chip escolhido por Anthropic, OpenAI e Apple
Fonte: TechCrunch. Colagem: Hamidun News.
◐ Ouvir artigo

A Amazon fez um tour exclusivo do seu laboratório Trainium para jornalistas da TechCrunch imediatamente após anunciar seu maior investimento de $50 bilhões na OpenAI. Isso não é coincidência: Trainium é precisamente o chip que fundamenta a nova estratégia da AWS como um player de infraestrutura de IA. Trainium é uma linha de aceleradores de IA customizados que a Amazon vem desenvolvendo sob a marca AWS desde 2020.

O Trainium 2, anunciado em 2023, é posicionado como um concorrente direto do H100 da NVIDIA: é otimizado para treinar grandes modelos de linguagem e promete desempenho comparável com custo por operação significativamente menor. A Amazon está investindo bilhões em sua própria base de silício precisamente porque a NVIDIA ocupa uma posição dominante no mercado de hardware de IA — isso transforma seus chips em escassez e fonte de poder de precificação. Notavelmente, entre os clientes do Trainium estão empresas que são simultaneamente concorrentes e parceiros da Amazon no espaço de IA.

Anthropic — uma startup na qual a Amazon investiu até $4 bilhões — usa ativamente Trainium para treinar modelos da família Claude. OpenAI, que acaba de receber $50 bilhões da Amazon, também está entre os usuários desta plataforma. O nome mais inesperado na lista se mostrou ser Apple: uma empresa que tradicionalmente constrói produtos verticalmente integrados em seu próprio hardware, recorreu ao AWS Trainium para algumas de suas tarefas de IA.

É precisamente esta combinação de nomes — Anthropic, OpenAI, Apple — que transformou o tour do laboratório em um evento. A AWS está essencialmente dizendo ao mercado: se as três organizações de IA mais exigentes do mundo em relação à qualidade de hardware escolheram Trainium, isso não é acidente e não é marketing. O desenvolvimento é liderado pela equipe do Annapurna Labs — uma startup israelense adquirida pela Amazon em 2015.

Annapurna é a empresa que criou os chips Graviton e o hipervisor Nitro. Trainium é a próxima aposta da mesma equipe, desta vez no segmento de aceleradores de IA. A diferença fundamental entre Trainium e NVIDIA é o modelo de negócios.

Trainium está disponível exclusivamente através da AWS: não pode ser comprado e implantado em seu próprio data center. A Amazon monetiza o chip através de horas de compute na nuvem, não através de vendas diretas de equipamento. Para os clientes, isto é vantajoso — acesso a aceleradores poderosos sem despesas de capital.

Para a Amazon — uma vinculação dos maiores laboratórios de IA do mundo à sua própria infraestrutura. O investimento de $50 bilhões na OpenAI não é simplesmente uma aposta financeira no líder de mercado. É um compromisso da OpenAI de usar a AWS como um parceiro de nuvem chave para treinamento e inferência.

Trainium é a incorporação física deste acordo. A Amazon está construindo sistematicamente sua posição como o player de infraestrutura de IA padrão: através de investimentos em laboratórios líderes, através de silício customizado e através da escala da AWS. Se Trainium demonstrar desempenho comparável ao da NVIDIA com custo menor — a pressão sobre o domínio da NVIDIA no segmento de IA se tornará significativamente mais real.

O fato de que até a Apple — a empresa com o stack de hardware mais fechado da indústria — use este chip fala sobre o fato de que a estratégia já está funcionando.

ZK
Hamidun News
Notícias de AI sem ruído. Seleção editorial diária de mais de 400 fontes. Produto de Zhemal Khamidun, Head of AI na Alpina Digital.

Quer parar de ler sobre IA e começar a usar?

AI News é um feed curado de notícias de IA. A Hamidun Academy ensina você a usar IA no trabalho.

O que você acha?
Carregando comentários…