周二,亚马逊宣布Uber扩大其AWS云服务合约,将更多打车功能迁移到亚马逊芯片上运行。Uber将特别扩大对AWS Graviton芯片(低功耗ARM架构服务器CPU)的使用,并开始试用Trainium3——AWS对标英伟达的AI芯片。
这项合作与其说是对英伟达的长期威胁,不如说是亚马逊对AWS云计算竞争对手谷歌和甲骨文的有力回击。
虽然Uber历史上一直运营自己的数据中心,但在2023年,这家打车公司签署了与甲骨文和谷歌的大型多年云计算合约。该公司表示,计划将大部分IT基础设施从自有数据中心迁移到这两个云平台。
即使在去年12月,Uber仍在博文中公开重申这一目标:"2023年2月,Uber开始使用OCI和谷歌云平台从本地数据中心向云端转型,面临着迁移大规模工作负载和在此前以x86为主导的环境中引入ARM架构计算实例的双重挑战。"
Uber在那篇博文中特别提到了在甲骨文云中使用Ampere制造的ARM芯片。这里事情变得有趣起来。
如果想了解硅谷错综复杂关系的速成课程,不妨看看Ampere的历史。
Ampere由前英特尔高管雷妮·詹姆斯创立,她在未能升任该芯片制造商CEO后离职创业。她动用了所有关系,包括她在私募股权公司凯雷的投资者身份影响力,以及在甲骨文的董事会席位,筹集资金创办了这家公司。甲骨文拥有该公司约三分之一股份,詹姆斯因这项投资不得不放弃在甲骨文的独立董事地位。
(顺便说一下,詹姆斯是帮助推动甲骨文2016年以93亿美元收购NetSuite的关键董事会成员,拉里·埃里森是NetSuite的主要股东。这笔交易引发了股东诉讼,指控甲骨文收购价过高,但诉讼最终败诉。)
去年12月,Ampere的主要竞争对手软银收购了该公司,甲骨文出售股份获得了27亿美元的可观税前收益。詹姆斯于2024年底离开甲骨文董事会,不再在Ampere工作。
甲骨文正在尽快筹集资金,为OpenAI和Stargate项目建设数据中心。埃里森表示,甲骨文出售Ampere是因为他认为为数据中心内部设计芯片不再是竞争优势。该公司更愿意采购芯片,并与英伟达签署了大规模合约。
值得注意的是,甲骨文、软银和英伟达也是OpenAI循环交易圈的一部分,这些交易旨在资助这家模型制造商的大规模数据中心建设。
但现在AWS宣布,凭借内部设计的芯片,从甲骨文的明星客户Uber那里获得了更大合约。
Uber加入了Anthropic、OpenAI和苹果的行列,成为因AWS AI芯片而签约或增加使用AWS服务的大型科技公司。去年12月,亚马逊CEO安迪·贾西表示,Trainium已经是一项价值数十亿美元的业务。
Q&A
Q1:Uber为什么选择扩大与AWS的合作?
A:Uber扩大与AWS的合作主要是为了利用亚马逊的自研芯片技术。具体包括扩大使用AWS Graviton低功耗ARM架构服务器CPU,以及试用Trainium3 AI芯片。这些芯片能够更好地支持Uber的打车服务功能运行。
Q2:AWS Trainium芯片业务规模有多大?
A:根据亚马逊CEO安迪·贾西在去年12月的表态,Trainium已经发展成为一项价值数十亿美元的业务。除了Uber,还有Anthropic、OpenAI和苹果等大型科技公司都因为这些AI芯片而签约或增加了AWS服务的使用。
Q3:甲骨文为什么要出售Ampere股份?
A:甲骨文CEO拉里·埃里森表示,出售Ampere是因为他认为为数据中心内部设计芯片不再是竞争优势。甲骨文更愿意直接采购芯片,已经与英伟达签署了大规模合约。此次出售为甲骨文带来了27亿美元的税前收益。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。