Uber élargit son partenariat avec AWS pour faire tourner plus d'infrastructure de covoiturage sur les puces Trainium personnalisées d'Amazon, marquant une autre victoire pour la stratégie d'Amazon de concurrencer Nvidia grâce à du silicium IA sur mesure. Le contrat élargi déplace des charges de travail supplémentaires d'Uber d'Oracle et Google Cloud vers le matériel personnalisé d'AWS, bien que les charges de travail spécifiques et les termes financiers n'aient pas été divulgués.
C'est important parce que c'est une validation que le pari de plusieurs milliards de dollars d'Amazon sur les puces personnalisées fonctionne vraiment en production. Pendant que tout le monde obsède sur le monopole GPU de Nvidia, Amazon a discrètement construit une alternative avec Trainium pour l'entraînement et Inferentia pour l'inférence. L'engagement élargi d'Uber suggère que ces puces peuvent gérer des charges de travail ML du monde réel à grande échelle—pas juste des démos marketing d'AWS. C'est aussi un coup stratégique contre Oracle et Google, qui essayaient de reconquérir les charges de travail d'entreprise avec leurs propres initiatives d'infrastructure IA.
Ce mouvement s'inscrit dans le pattern plus large d'Uber de consolider sur moins de fournisseurs cloud tout en exigeant une meilleure économie pour les charges de travail IA. Uber traite des quantités massives de données en temps réel pour la tarification, le routage et l'appariement—exactement le genre de charges de travail lourdes en inférence où le silicium personnalisé peut offrir des avantages de coût par rapport aux GPU à usage général. Ce qui n'est pas clair, c'est si Uber utilise Trainium pour entraîner de nouveaux modèles ou juste faire tourner l'inférence sur ceux existants.
Pour les développeurs, ça signale que les puces personnalisées d'Amazon sont prêtes pour la production pour des charges de travail ML exigeantes. Si vous développez sur AWS et faites face à des coûts d'inférence élevés, les instances Trainium et Inferentia pourraient valoir la peine d'être testées. Mais la vraie histoire, c'est la consolidation d'infrastructure—parier sur la stack IA complète d'un fournisseur cloud au lieu de mélanger et assortir entre vendeurs.