Amazon Web Services（AWS）正建設名為 Project Rainier 的超級運算集群，包含數十萬個自家研發 Trainium2 AI 晶片，為投資夥伴 Anthropic 提供強大運算能力。這個系統計劃今年底上線，橫跨美國多個數據中心。
報導指，單是印第安那州的設施就包含 30 個數據中心，每個佔地 20 萬平方英呎，耗電量超過 2.2 吉瓦。Amazon 已向 Anthropic 投資 80 億美元（約 624 億港元，按 1 美元兌 7.8 港元計算），希望助其在與 OpenAI 的競爭中取得優勢。項目採用 Amazon 自研的 Trainium2 晶片，而非 GPU，是 AWS 自研 AI 晶片有史以來最大規模部署。
規模史無前例
Amazon Annapurna Labs 產品總監 Gadi Hutt 表示：「這是我們首次建設如此大規模的訓練集群，讓 Anthropic 能夠在所有基礎設施上訓練單一模型。規模真正史無前例。」
與 OpenAI 的 Stargate 或 xAI 的 Colossus 不同，Project Rainier 是跨多個地點的分佈式系統，而非單一超級電腦。這種設計讓系統可以持續擴展，理論上沒有上限。Anthropic 已經開始使用部分系統進行 AI 模型訓練。Amazon 表示將「複製貼上」基本運算單元來擴大整個集群規模。
自研晶片挑戰 Nvidia
Project Rainier 的核心是 Amazon 自研的 Trainium2 晶片。每個晶片提供 1.3 petaFLOPS 運算能力和 96GB 記憶體。雖然單一晶片性能不如 Nvidia 最新的 B200 晶片（4.5 petaFLOPS），但 Amazon 強調成本效益更重要。
Hutt 解釋：「客戶要求的不是『給我們最快的晶片』，而是最低成本的性能，當然還要易於使用。」Amazon 將 16 個 Trainium2 晶片組成一個基本單元，再將 4 個單元組合成擁有 64 個晶片的「UltraServer」。數千個 UltraServer 連接起來就構成完整的 Project Rainier 集群。
建設如此大規模的 AI 集群需要巨大電力支援。專家估計，包含 25 萬個 Trainium2 晶片的集群需要 250 至 300 兆瓦電力，相當於 xAI Colossus 超級電腦的耗電量。Amazon 正為印第安那州設施建設特殊的網絡基礎設施，包括自創的光纖「繩索」來應對大量網絡線路。公司還開發了自訂網絡系統，承諾提供極低延遲的高速連接。
下一代晶片蓄勢待發
Amazon 已預告第三代 Trainium3 晶片，採用更先進的 3nm 製程，效能比現有晶片高 40%。新晶片系統的運算能力預計比現有系統高 4 倍。這意味著 Project Rainier 部分設施可能最終使用更強大的 Trainium3 晶片，就像 Amazon 另一個項目 Project Ceiba 最終改用 Nvidia 更新的 Blackwell 晶片一樣。
Project Rainier 反映了科技巨擘在 AI 基礎設施上的激烈競爭。隨著 AI 模型變得更複雜，需要更多運算資源進行訓練，各公司競相建設更大規模的系統來保持競爭優勢。Amazon 透過這個項目鞏固了在雲端 AI 服務市場的地位，同時為 Anthropic 提供挑戰 OpenAI 的運算基礎。
來源：The Register
