Amazon chce sprzedawać Trainium poza AWS i wejść Nvidii prosto w jej najdroższy biznes

Amazon przez dekadę trzymał swoje układy AI dla siebie. Taktyka była prosta: zamiast sprzedawać krzem, sprzedawaj dostęp do krzemu - i dorzucaj do rachunku pamięć masową, sieć, monitoring i wszystko inne, co da się wcisnąć. To działało. Aż przestało być wystarczające.

18 czerwca 2026 roku Bloomberg ujawnił, że AWS prowadzi wstępne rozmowy o sprzedaży układów Trainium bezpośrednio do centrów danych innych firm. Szef AI w Amazon Web Services, Peter DeSantis, potwierdził to publicznie - choć bez podawania nazwisk potencjalnych kupujących. Amazon zaznacza, że rozmowy są na bardzo wczesnym etapie. Ale sam fakt, że w ogóle się toczą, to sygnał, który branża odczytała od razu: Jassy idzie po Nvidię.

50 miliardów powodów, żeby zmienić strategię

Liczba, od której wszystko się zaczęło, padła w liście do akcjonariuszy w kwietniu 2026 roku. Andy Jassy napisał wprost: gdyby biznes układów Amazonu był wyceniany jako samodzielna firma sprzedająca układy zarówno do AWS, jak i klientów zewnętrznych, reprezentowałby roczny obrót rzędu 50 miliardów dolarów. To nie była przypadkowa kalkulacja. Jassy sygnalizował ten kierunek już podczas wyników za pierwszy kwartał 2026 roku, mówiąc, że jest „dobra szansa”, iż Amazon zacznie oferować pełne szafy z układami Trainium poza AWS „w ciągu kilku najbliższych lat”.

Przy czym to nie jest myślenie życzeniowe. Biznes własnej krzemowej produkcji Amazonu - Trainium, Graviton i Nitro razem - przekroczył roczny wskaźnik przychodów 20 miliardów dolarów w pierwszym kwartale 2026 roku, rosnąc w tempie trzycyfrowym. Jensen Huang może spać spokojnie, bo w pierwszym kwartale fiskalnym 2027 roku (zakończonym 26 kwietnia 2026) przychody Nvidii z segmentu centrów danych wzrosły o 92 procent rok do roku, do rekordowych 75,2 miliarda dolarów. Ale nikt w branży nie lubi monopolu - i to jest właśnie punkt wejścia dla Amazonu.

Trainium3 kontra H100: co mówią liczby

Trainium3 to nie jest układ z kategorii „tanie i w miarę działa”. AWS zainwestował miliardy w swój oddział Annapurna Labs, a Trainium3, zbudowany na procesie 3nm TSMC, jest najpoważniejszym rywalem, z jakim Nvidia mierzy się na rynku treningowym AI. Konkretnie: w konfiguracji Trn3 UltraServer ze 144 układami dostarcza 362 petaflopów - wyrównując Nvidię Blackwell NVL72 na poziomie szafy - przy kosztach niższych o około 50 procent od porównywalnych rozwiązań GPU.

Według informacji Reutersa z grudnia 2025 roku serwery Trainium3 oferują ponad czterokrotnie większą moc obliczeniową niż poprzednia generacja AWS, przy 40-procentowo mniejszym zużyciu energii. Na poziomie cen instancji różnica jest jeszcze bardziej widoczna: Trainium3 kosztuje około 1 dolara za układ za godzinę, podczas gdy instancje Nvidii H100 - około 3 dolarów za układ za godzinę, czyli trzykrotnie więcej.

Protip ✅

Jeśli trenujesz standardowe modele transformatorowe na AWS i liczysz tokeny w miliardach - zacznij od Trainium3. Oszczędności 40-50 procent na kosztach obliczeniowych to różnica między projektem, który dostaje finansowanie, a projektem, który trafia do szuflady.

Kto już na tym siedzi? Lista robi wrażenie. Anthropic i OpenAI podpisały zobowiązania odpowiednio do 5 gigawatów i około 2 gigawatów mocy Trainium. Anthropic zaangażował ponad milion układów Trainium w ramach projektu Rainier, OpenAI wydzieliło pojemność Trainium w ramach umowy z AWS o wartości 50 miliardów dolarów, a Apple potwierdziło w lutym 2026 roku, że przeniosło część zadań wnioskowania na poziomie Siri na Trainium2. W kwietniu 2026 roku do tego grona dołączył Uber, przenosząc na Trainium3 dopasowywanie przejazdów i wysyłkę kierowców w czasie rzeczywistym.

CUDA-moat: bariera, której nie przeskakuje się przez noc

Jest jeden problem, o którym entuzjaści Trainium wolą nie mówić zbyt głośno: CUDA. Platforma Nvidii ma 15-letnie wyprzedzenie i ekosystem deweloperski złożony z milionów inżynierów, którzy zbudowali swoje narzędzia i frameworki na narzędziach natywnych CUDA. Przestawienie się na Trainium nie jest zerowe - trzeba przepisać część kodu, dostosować przepływ pracy, przetestować od nowa.

AWS próbuje to zniwelować. TorchNeuron (2025) to natywny backend PyTorch integrujący Trainium jako równorzędne urządzenie obok GPU obsługujących CUDA. Modele korzystające z Hugging Face Transformers lub TorchTitan wymagają minimalnych zmian w kodzie. Amazon twierdzi, że migracja to w zasadzie zmiana jednej linii kodu i rekompilacja. W praktyce - zależy mocno od architektury modelu i tego, ile niestandardowych operacji ma dana implementacja.

Uwaga ⚠️

Trainium3 sprawdza się świetnie na standardowych modelach transformatorowych. Jeśli twój zespół tworzy niestandardowe architektury albo potrzebujesz przenośności między chmurami - H100 nadal ma sens, mimo wyższej ceny. Elastyczność kosztuje, ale czasem jest warta każdej złotówki.

Produkcja to wąskie gardło, którego Jassy nie kontroluje

Trainium3, który zaczął być wysyłany na początku 2026 roku, ma już prawie pełną alokację. Rezerwacje na kolejną generację, Trainium4, zostały złożone jeszcze przed oficjalną premierą, a TechCrunch wskazuje, że do obsługi zewnętrznych klientów przy jednoczesnym zaspokajaniu obecnych zamówień konieczne będzie zwiększenie mocy produkcyjnych.

Tu jest właśnie pies pogrzebany. Trainium3 jest budowany na 3-nanometrowym procesie TSMC - tej samej fabryce, która produkuje układy dla Nvidii, Apple’a i całej reszty branży. Żeby Amazon mógł faktycznie sprzedawać układy na zewnątrz bez okrawania obecnych klientów, musiałby albo odebrać TSMC moce produkcyjne innym, albo czekać na rozbudowę fabryk. Pierwsze jest politycznie trudne. Drugie wymaga czasu.

DeSantis sugerował, że sprzedaż układów na zewnątrz nie uszczupliłaby zasobów AWS, ponieważ popyt na moc obliczeniową AI nadal przewyższa podaż. Brzmi optymistycznie. Ale Amazon od dłuższego czasu nie jest jedyną firmą, która próbuje wejść Nvidii na podwórko. Alphabet ma własne układy TPU i niedawno zaczął udostępniać je wybranej grupie zewnętrznych klientów. Wyścig trwa.

Trainium nie ma szans zatopić Nvidii w krótkim terminie. Ale nie musi. Wystarczy, że zacznie odbierać jej wystarczająco dużo klientów, żeby Huang przestał dyktować warunki cenowe całej branży. I to - sądząc po tempie, w jakim Anthropic, OpenAI, Apple i Uber przestawiają produkcję na Trainium - może stać się szybciej, niż niejeden analityk zakładał jeszcze rok temu.