前言：
在AI芯片和服务器芯片两大战场，格局似乎变得不再单一，英特尔、亚马逊等巨头将展开极具针对性的竞争，正面对决将浮出水面。
双管齐下AI芯片，提前占座谋划战略
亚马逊想做AI芯片，已经是由来已久的事情了。毕竟在云服务领域，AWS承载着全球的AI需求爆发；而终端领域随着Alexa和Echo的布局越来越大，也急需要芯片层的突破，将技术进化的主旋律掌握在自己手中。
为了实现自有AI芯片的目标，2015年亚马逊以3.5亿美元收购了以色列芯片制造商AnnapurnaLabs，后者主要生产面向中小企业的NAS和路由处理器，被认为是亚马逊在终端芯片上的一次布局。
而到了2017年年底，亚马逊收购安全摄像头制造商Blink，则被认为是芯片行动上的加速。这家芯片厂商在IoT低功耗芯片和机器视觉处理芯片上都有一手。这也被认为是亚马逊准备从芯片开始武装Echo的信号。
从去年开始，亚马逊开始进入了芯片发布的倒计时。目前来看，亚马逊正在准备在Echo等设备用的终端AI芯片和基于AWS对外赋能的服务器芯片双管齐下。
去年2月，亚马逊已经开始设计终端AI芯片。自研的专用AI芯片将主要用于提升AI语音任务的效率，降低Alexa的云计算的依赖，提升搭载Alexa设备的本地AI算力，同时降低设备功耗，增强Alexa设备的可移动性。
而另一只亚马逊的芯片之手，面向的是AWS。去年11月，AWS在拉斯维加斯发布了代号为Inferentia的机器学习专用AI推理芯片。这款芯片拥有不下于英特尔主流处理器的计算能力，被广泛看作是自谷歌TPU之后，互联网公司向芯片秩序的又一次挑战。
两种自研AI芯片的投入使用，当然需要一个过程，产生的变化并不会那么快速与显著。但亚马逊给人以想象空间的地方在于，在云计算和家庭智能这两个巨大的AI出口中，今天基本都由亚马逊来坐庄的。
抢滩登陆数据中心，专攻领域内芯片研发
去年，英特尔数据中心部门为公司贡献了近一半的营业利润。而且，大多数服务器芯片被用于云计算。在2018年，接近65%的英特尔数据中心芯片收入来自云计算和通信服务提供商。
鉴于英特尔处理器的高价格、零部件短缺，加上目前ARM服务器芯片生态发展完善和晶圆代工业务发展成熟等因素，亚马逊决定大力投资定制芯片。
预计亚马逊AWS今年的销售额将达到349亿美元，如果亚马逊在芯片方面的努力取得成功，很有可能降低该部门在服务器芯片方面对英特尔和AMD的依赖。
攻城略地英特尔，芯片提速20%+高性价比
因为数据中心是一个拥有超过90%以上的市场，为此亚马逊进入这个市场，被看作是与英特尔的直接竞争。
去年AWSre:Invent2018大会上，首款ARM架构处理器的AWSGraviton处理器的云实例EC2A1亮相，这款新型芯片关键的魅力在于它们可以提供更便宜的计算服务。
亚马逊称，这些芯片的运行成本比英特尔公司或AMD公司的芯片低出45％，而AWS也提供租赁服务。
新款芯片还将使用一种名为「Fabric」的架构技术，允许它与其他芯片协作以加速处理图像识别等任务。想利用上这种新芯片，云客户很可能需要使用专为ARM芯片开发的软件。
预计新芯片的功能可能不及英特尔的CascadeLake或AMD的Rome芯片，但它比英特尔的高端芯片更便宜，耗电量也更少。
英特尔最强大的芯片可以卖到几千美元，而基于ARM的服务器芯片的价格不到1000美元。
重点发力服务器芯片，自研成主攻方向
亚马逊刚刚发布了第二代自主设计服务器芯片“Graviton2”，堪称迄今最强ARM平台处理器，对比英特尔顶级的至强铂金也毫不逊色。
据亚马逊介绍，AWSGraviton2处理器的速度比以前一代的芯片快7倍，浮点性能是2倍。AWS进一步表示，Graviton2芯片的单核高速缓存是其两倍大，并具有额外的存储通道（根据定义，它几乎必须如此），并且这些功能一起使Graviton2的存储速度比原始Graviton快5倍。
亚马逊还将其与配备英特尔至强铂金最高3.1GHz的第五代实例进行对比，单核心性能全面领先：SPECjvm2008+43%、SPECCPU2017整数+44%、SPECCPU2017浮点+24%、HTTPS负载均衡+24%、内存缓存+43%、x2664视频编码+26%、EDA模拟+54%。
从数据中心到智能终端的造芯之旅
亚马逊芯片并没有直接威胁英特尔和英伟达的业务，因为该公司不会对外销售芯片。但亚马逊对外出售的云计算服务明年开始将采用自家芯片，倘若亚马逊依赖自主设计的芯片，就会令英伟达和英特尔损失一个大客户。
英特尔的处理器目前在机器学习推断市场占据主导预计该市场到2021年的规模将达到118亿美元。今年9月英伟达也推出了自己的推断芯片，与英特尔展开竞争。
亚马逊在芯片方面的实力已经超乎大多数人的想象。去年除了推出服务器芯片Graviton之外，亚马逊还出了首款云端AI推理芯片AWSInferentia。
使用经过训练的机器学习模型进行预测可以驱动应用程序高达90%的计算成本。开发人员可以将GPU支持的推理加速附加到AmazonEC2和AmazonSageMaker实例中，从而将推理成本降低75%。
每个Inferentia芯片提供高达几百TOPS的算力，使复杂的模型能够做出快速的预测。多个AWSInferentia芯片可以一起使用来驱动，形成成千上万的TOPS算力。
对于亚马逊来说，无论是涉足机器学习芯片还是服务器芯片，最主要的原因仍然在于成本。特别是在ARM的授权模式以及台积电等晶圆代工厂发展完善的情况下，做芯片更是水到渠成。
当然，亚马逊在智能家居方面的芯片布局，可能有着更加差异化竞争的选择与考量。
结尾：
亚马逊推出自己的7nm芯片，这也标志着这个电商巨头也开始像科技制造研发方面发展。未来，也会研发出更多高性能的芯片。而亚马逊，也成为继苹果，高通之后，华为的另一个强大的对手。
