关键要点
- CPU 负责通用计算，Trainium 和 GPU 等加速器则在 AI 训练并行处理方面表现卓越。
- 随着 AI 从问答转向行动，智能体工作负载正催生新的 CPU 需求。
- AWS Trainium 专为低成本训练和运行 AI 模型设计。
- AWS Graviton 为日常云应用及代理式 AI 提供核心算力。
流媒体播放、邮件查收或 AI 助手交互背后，是各类芯片的协同运作。其中，CPU 与 AI 加速芯片（如 GPU、AWS Trainium）最为关键。
CPU（中央处理器）如同计算机大脑，处理软件与操作系统所需的通用任务；AI 加速芯片（如 AWS Trainium、GPU）则擅长并行计算，高效支撑 AI 模型的训练与部署。相比灵活的通用 GPU，AWS Trainium 专为 AI 从头设计，在大型语言模型训练与推理中具备更优性能与效率。
CPU 与 GPU、加速器的区别
CPU 似技艺精湛的工匠，擅于串行处理多项复杂任务；GPU 如工厂装配线，可并行处理海量简单重复任务；AI 加速器则是定制化产线，针对特定产品实现更快生产速度与更低成本。
CPU 长于顺序处理，适合运行系统、管理数据库及执行应用逻辑；GPU 与加速器拥有数千小核心，能同时对海量数据执行相同操作，AI 训练效率极高。
亚马逊自研芯片历程
2015 年，亚马逊开启定制芯片战略，收购 Annapurna Labs，不再依赖现成处理器，转而设计针对云工作负载优化的芯片，旨在以更低成本、能耗实现更优性能。
AWS Graviton5 芯片
该愿景演化为两大系列：AWS Trainium 专注 AI 模型训练与推理，重塑工作沟通方式；AWS Graviton 支撑网站、应用、数据库及日益增长的智能体 AI 计算需求。
2018 年首款 Graviton 问世，已迭代五代。最新一代 Graviton5 于 2025 年 12 月 AWS re:Invent 发布。Trainium 系列自 2021 年首发演进至 Trainium3，可将 AI 模型训练周期从数月缩短至数周。目前，亚马逊芯片业务年营收运行率超 200 亿美元，同比增长达三位数。
快速演进折射云计算根本变革。通过专用芯片设计，亚马逊实现了通用处理器无法比拟的能力，包括降本增效的能源优势及支撑大规模 AI 训练的专属架构。
Trainium 如何加速 AI 工作负载
AWS Trainium 专为 AI 打造，新一代 Trainium3 性能提升四倍以上，能耗显著降低。
AWS Trainium3 芯片
Graviton 驱动日常云计算与智能体 AI
相较于专注 AI 训练推理的 Trainium，AWS Graviton 承担互联网持续工作负载，并为代理式 AI（Agentic AI）赋能。其性价比比同类 x86 处理器高 40%，同等输出下能耗更低，已有超 10 万客户使用。
从支付处理到多人游戏，Graviton 架构适配现代 AI 及智能体系统的多元负载。Meta 正部署数千万个 Graviton 核心，为代理式 AI 背后的 CPU 密集型任务提供动力，满足大规模应用的性能与效率需求。
按需选择处理器
处理器选型并非二选一。现代云计算协同使用不同 AI 芯片各司其职：Trainium 负责大模型训练、微调及推理；Graviton 支撑实时推理、数据库管理及服务请求等周边工作。对于代表用户行动的 AI 智能体，CPU、GPU 与 AI 加速器正协同推动早期 AI 发展。
了解更多 AWS Trainium 和 AWS Graviton 相关信息。