问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
全球出行巨头Uber近期宣布扩大与亚马逊云科技（AWS）的合作协议，将把派单算法、运力预测等更多核心网约车业务模块迁移至亚马逊自研AI芯片集群运行。此次合作被行业视作Uber对原有云服务商Oracle、谷歌云的直接替代，也是亚马逊自研芯片在ToB云服务市场拿下的又一标杆客户案例，进一步撼动了英伟达在AI加速硬件市场的主导地位。
此次合作更新于2026年4月正式对外披露，据双方公布的合作细节，Uber首批迁移的业务模块主要集中在实时性要求最高的C端出行服务场景，首批上线的芯片集群算力规模超过1200P Flops，可支撑全球17个国家和地区的日常出行需求调度。
最近两年，AI算力需求的爆发倒逼云服务厂商纷纷布局自研AI芯片，摆脱对英伟达单一供应链的依赖同时，也能为客户提供性价比更高的算力方案。亚马逊早在2018年就启动了AI芯片自研项目，目前已经迭代到第三代Inferentia推理芯片和第二代Trainium训练芯片，**公开测试数据显示，其推理场景的单位算力成本比英伟达A100低42%，能效比提升60%**。
此前包括Snap、Spotify在内的多家互联网企业已经部分迁移AI业务到亚马逊自研芯片上，Uber是目前出行行业首个大规模采用该方案的头部企业。
对于Uber而言，AI芯片的性能直接决定了核心业务的用户体验和运营成本：实时派单算法需要在毫秒级完成供需匹配，高峰时段的运力预测需要处理PB级的历史出行数据，甚至车内智能语音、安全识别等功能也需要大量的推理算力支撑。
此前Uber的AI算力需求分别由Oracle云、谷歌云共同承接，但其始终面临两个核心痛点：一是谷歌自身布局自动驾驶、出行业务，存在核心数据安全的潜在风险；二是两家服务商的AI算力扩容成本高、交付周期长，无法匹配Uber在新兴市场的扩张节奏。而AWS提供的一体化芯片+云服务方案，可帮助Uber将**核心业务的推理延迟降低23%，年度算力成本压缩近3亿美元**。
此次Uber选择AWS的自研AI芯片，也释放出一个明确的行业信号：企业客户的AI算力采购正在从“唯GPU论”转向“场景优先”，不再绑定单一供应商或单一硬件路线。
目前除了亚马逊之外，谷歌的TPU芯片、微软的雅典娜芯片也在快速推进商业化落地，另有多家创业公司的专用AI芯片正在进入测试阶段。行业预测，到2030年，云厂商自研芯片的市场占比将从2025年的8%提升至32%，英伟达一家独大的市场格局将被彻底打破，不同场景的AI应用也将获得更多元、更具性价比的算力支撑。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号