Amazon sta accelerando sulla propria strategia hardware per l’intelligenza artificiale e punta a ridurre la dipendenza da NVIDIA con chip sempre più competitivi. Il nuovo fronte è quello dei processori sviluppati internamente per i data center, un’area in cui il gruppo di Seattle investe da anni. L’obiettivo è chiaro: offrire alternative più efficienti e meno costose per l’addestramento e l’inferenza dei modelli AI.
La mossa conferma la volontà di Amazon di trasformare AWS in un attore ancora più forte nel mercato dell’hardware per l’AI, oggi dominato dalle GPU della casa di Santa Clara.
Amazon spinge sui chip proprietari per l’AI
Il progetto passa soprattutto dai chip Trainium e Inferentia, pensati rispettivamente per l’addestramento e l’inferenza dei modelli di intelligenza artificiale. Amazon li utilizza già nei propri servizi cloud e li propone come alternativa alle GPU NVIDIA ai clienti di AWS. La direzione è quella di costruire una piattaforma completa, dal cloud al silicio.
Secondo la strategia del gruppo, il vantaggio non è solo economico. I chip proprietari permettono ad Amazon di controllare meglio prestazioni, consumi e integrazione con l’infrastruttura cloud. È un approccio simile a quello seguito da Google con le TPU, ma su scala più ampia nel mercato enterprise.
Perché NVIDIA resta il riferimento del mercato
Il dominio di NVIDIA nel settore AI resta enorme, soprattutto grazie alle GPU H100 e alla nuova generazione Blackwell, che sono diventate lo standard per i grandi modelli generativi. Gran parte degli operatori cloud e delle aziende AI continua a fare affidamento sulle sue piattaforme software e hardware. Non basta progettare un chip: serve anche un ecosistema maturo.
Ed è qui che Amazon prova a colmare il divario. L’azienda ha il vantaggio di possedere una delle più grandi piattaforme cloud al mondo, con clienti enterprise già abituati a comprare capacità di calcolo su AWS. Se i chip interni riescono a offrire un rapporto prestazioni/prezzo competitivo, Amazon potrebbe sottrarre volumi importanti soprattutto nei carichi di lavoro più prevedibili.
Cosa cambia per AWS e per i clienti cloud
Per AWS, la crescita dei chip AI proprietari significa maggiore margine di manovra sui costi e sulla disponibilità dell’hardware. In un mercato in cui le GPU più richieste sono spesso difficili da reperire, avere una pipeline interna può fare la differenza. Inoltre, Amazon può spingere i clienti verso servizi ottimizzati per il proprio stack, riducendo il peso dei fornitori esterni.
Per le aziende che sviluppano modelli o servizi AI, questo apre a un’alternativa concreta. Non tutte le applicazioni richiedono la massima potenza di una GPU NVIDIA di fascia alta, e molti carichi possono essere adattati a chip specializzati. È un punto importante per chi lavora su inferenza su larga scala, dove costi e consumo energetico incidono più delle prestazioni pure.
Amazon non ha ancora scalfito la leadership di NVIDIA, ma il messaggio è chiaro: il cloud provider vuole controllare sempre più pezzi della filiera AI. E con AWS al centro, la sfida non è teorica: è già in corso nei data center.
Siamo un team di appassionati di tecnologia, shopping e risparmio. Ogni giorno confrontiamo i prezzi di centinaia di offerte online e monitoriamo lo storico dei costi per offrirti sempre il miglior prezzo al momento giusto. Le nostre guide e consigli ti aiutano a risparmiare tempo e denaro, acquistando con consapevolezza.
