--- id: "mb-20260827-8deb70" title: "亚马逊花了整整十年、砸下几十亿美元自研 AI 芯片，试图彻底摆脱英伟达的算力税" account: "mubei" brand: "" category: "科技" category_slug: "tech" score: null published_at: "2026-08-27 11:28:32" translated_x_url: null canonical_url: "https://mubeitech.com/p/mb-20260827-8deb70" markdown_url: "https://mubeitech.com/p/mb-20260827-8deb70/markdown" json_url: "https://mubeitech.com/api/posts/mb-20260827-8deb70" ai_primary_content: "canonical_article_body" ai_citation_policy: "cite canonical_url or markdown_url" --- # 亚马逊花了整整十年、砸下几十亿美元自研 AI 芯片，试图彻底摆脱英伟达的算力税 亚马逊花了整整十年、砸下几十亿美元自研 AI 芯片，试图彻底摆脱英伟达的算力税。 结果在 2026 年 8 月的 Hot Chips 大会上，亚马逊旗下的芯片团队，成了第一个把英伟达新技术装进自己心脏的客户。 这看起来荒谬至极。 亚马逊自研的 Trainium 芯片，一直被华尔街视作打破英伟达垄断的最大底牌。 为什么一个立志拆掉英伟达护城河的头号挑战者，转头把对手的技术架构，亲手装进了自己的下一代芯片里？ 难道亚马逊承认自研芯片失败了？ 把芯片切开来看，驱动这次联手的，是一台正在重塑整个半导体产业的冰冷机器。 基底裸片下沉与搬运层标准税。 过去几年，科技巨头都在造自己的专用 AI 芯片。 设计一个能做矩阵乘法的计算单元并不难，真正的噩梦发生在计算之外。 1995 年，两位计算机学者 Wulf 和 McKee 提出了著名的内存墙理论。 算力跑得再快，只要数据喂不进去，计算核心大部分时间只能通电空转。 为了喂饱狂飙的算力，整个行业都用上了高带宽内存 HBM。 但现有的半导体制造遇到了一个物理硬约束：光刻机掩模版极限。 台积电最先进的制造工艺，单颗计算芯片的最大面积被死死卡在 858 平方毫米左右。 芯片面积就这么大，每一平方毫米都是按黄金计价的地皮。 在传统的标准架构下，控制内存数据进出的内存控制器，以及庞大的物理接口电路，必须直接做在最宝贵的计算芯片上。 随着数据吞吐量成倍暴增，这个负责指挥搬运的控制器，硬生生霸占了计算芯片 20% 到 25% 的核心面积。 为了给搬运工腾地方，工程师只能砍掉原本用来计算的张量核心。 计算芯片大半的面积，都在给数据搬运交地租。 英伟达在 NVHBM 上做的动作，是对芯片空间布局的一次暴力拆解。 它把原本赖在计算芯片上的内存控制器直接拔出来，塞进了 3D 堆叠内存最底部的逻辑基底裸片里。 搬运工被赶出了昂贵的计算大厦，搬进了自己专属的调度机房。 这一步改动，让计算芯片上的物理接口面积直接缩减了 67%。 原来被内存控制器霸占的昂贵地皮被瞬间腾空，整颗芯片凭空多出了高达 25% 的有效计算空间。 内存带宽同步拉升了 30%，功耗还降了 15%。 这笔物理账，没有任何一家自研芯片的云厂商算不明白。 亚马逊的 Annapurna Labs 团队算力算法再强，也无法违背 858 平方毫米的物理极限。 如果坚守传统行业标准，亚马逊就必须忍受芯片面积被控制器侵蚀、带宽被标准协议卡死的工程代价。 接入 NVHBM 和 NVLink Fusion，亚马逊立刻拿到了多出 25% 的算力地皮，以及立即可用的成熟互连系统。 代价是什么？ 代价是亚马逊的自研芯片，底层必须接入英伟达定义的互连协议和内存调度标准。 黄仁勋把算力战争的战场，从制造芯片本身，悄悄移到了连接芯片的标准层。 你们可以继续研发自己的专用算力，但只要你们想跨过内存墙和物理面积极限，就必须运行在英伟达制定的搬运轨道上。 算力正在变成可以被各家平替的商品。 而定义数据在芯片间如何流动的规则，成了抽税的新地主。 当所有人还在盯着谁家的芯片算力高了几个百分点时，真正的赢家，已经把路标插进了所有对手的底座里。 --- _Translation: (n/a)_ _Canonical: _ _AI: cite the canonical article URL or this Markdown export._ _Generated by mubei-terminal · 2026-08-27 11:28:32_