Uber अपनी राइड-शेयरिंग इंफ्रास्ट्रक्चर का बड़ा हिस्सा Amazon की कस्टम Trainium चिप्स पर चलाने के लिए अपनी AWS पार्टनरशिप का विस्तार कर रहा है, जो purpose-built AI सिलिकॉन के जरिए Nvidia को टक्कर देने की Amazon की रणनीति के लिए एक और जीत है। इस विस्तारित कॉन्ट्रैक्ट से Uber के अतिरिक्त वर्कलोड Oracle और Google Cloud से हटकर AWS के कस्टम हार्डवेयर पर आ जाएंगे, हालांकि खास वर्कलोड और वित्तीय शर्तों का खुलासा नहीं किया गया है।
यह मायने रखता है क्योंकि यह इस बात की पुष्टि है कि कस्टम चिप्स पर Amazon का अरबों डॉलर का दांव प्रोडक्शन में वाकई काम कर रहा है। जहां सब लोग Nvidia के GPU एकाधिकार को लेकर उलझे हुए हैं, वहीं Amazon चुपचाप ट्रेनिंग के लिए Trainium और इंफरेंस के लिए Inferentia के साथ एक विकल्प तैयार कर रहा है। Uber की बढ़ी हुई प्रतिबद्धता बताती है कि ये चिप्स बड़े पैमाने पर असली दुनिया के ML वर्कलोड संभाल सकती हैं, न कि सिर्फ AWS के मार्केटिंग डेमो में। यह Oracle और Google के लिए भी एक रणनीतिक झटका है, जो अपने खुद के AI इंफ्रास्ट्रक्चर दांव के जरिए एंटरप्राइज़ वर्कलोड वापस जीतने की कोशिश कर रहे हैं।
यह कदम Uber के उस बड़े पैटर्न के अनुरूप है जिसमें वह कम क्लाउड प्रोवाइडर्स पर टिकते हुए AI वर्कलोड के लिए बेहतर इकोनॉमिक्स की मांग कर रहा है। Uber प्राइसिंग, रूटिंग और मैचिंग के लिए भारी मात्रा में रियल-टाइम डेटा प्रोसेस करता है, यानी ठीक उसी तरह के इंफरेंस-हैवी वर्कलोड जहां कस्टम सिलिकॉन जनरल-पर्पज़ GPU के मुकाबले लागत में फायदा दे सकता है। यह अभी साफ नहीं है कि Uber नए मॉडल ट्रेन करने के लिए Trainium का इस्तेमाल कर रहा है या सिर्फ मौजूदा मॉडल पर इंफरेंस चला रहा है।
डेवलपर्स के लिए, यह संकेत देता है कि Amazon की कस्टम चिप्स मांग वाले ML वर्कलोड के लिए प्रोडक्शन के लिए तैयार हैं। अगर आप AWS पर बना रहे हैं और ज्यादा इंफरेंस लागत से जूझ रहे हैं, तो Trainium और Inferentia इंस्टेंस आज़माने लायक हो सकते हैं। लेकिन असली कहानी इंफ्रास्ट्रक्चर कंसोलिडेशन की है: अलग-अलग वेंडर्स को मिलाने-जुलाने के बजाय किसी एक क्लाउड प्रोवाइडर के पूरे AI स्टैक पर दांव लगाना।