// TOM'S HARDWARE ITALIA — HARDWARE & GADGET
Amazon compra ancora più chip a NVIDIA, Trainium si scopre insufficiente
Amazon ha triplicato l'ordine di GPU NVIDIA in appena cinque mesi. Il nuovo impegno di fornitura vale 2 milioni di chip, fra Blackwell Ultra, Rubin e Rubin Ultra, più le CPU Vera, e si somma al milione già concordato ad aprile. NVIDIA e Amazon lo confermano durante la earnings call trimestrale del produttore di chip: il totale sale a 3 milioni di processori, con consegne scaglionate fra il 2027 e il 2028 nei data center di AWS.
Nessuna delle due aziende indica una cifra economica per l'operazione. Le stime indipendenti, circolate subito dopo l'annuncio, parlano di decine di miliardi di dollari, un numero che resta una congettura fino a prova contraria. NVIDIA e Amazon preferiscono parlare di volumi, non di conti.
Il pacchetto di aprile riguardava soprattutto Blackwell Ultra, la generazione già in produzione. Quello di agosto sposta l'attenzione su Rubin e Rubin Ultra, che NVIDIA prevede di consegnare a partire dal 2026 inoltrato, insieme alle CPU Vera pensate per lavorare in coppia con le GPU nello stesso rack. Amazon, in altre parole, sta prenotando capacità che ancora non esiste in produzione di serie.
Tre milioni di GPU, anche solo sulla carta, significano nuovi impianti di raffreddamento, nuove sottostazioni elettriche, nuovi contratti di fornitura energetica pluriennali. Il collo di bottiglia dei prossimi due anni potrebbe rivelarsi meno la disponibilità dei chip e più la capacità di alimentarli e raffreddarli in tempo utile.
Amazon costruisce chip proprietari da anni. Trainium per l'addestramento e l'inferenza, Graviton per il calcolo generico, aggiornato di recente alla quinta generazione: due linee di silicio pensate per ridurre la fattura verso NVIDIA e per offrire ad AWS un margine che il rivenditore di GPU altrui non lascia. L'azienda ha investito miliardi, aperto una divisione dedicata, e sta persino provando a vendere capacità Trainium a chi non è cliente AWS.
Il progetto nasce dall'acquisizione di Annapurna Labs, chiusa nel 2015, e nel tempo ha prodotto tre generazioni di Trainium. Amazon sostiene che l'ultima versione offra un rapporto prestazioni-prezzo migliore delle GPU generaliste su specifici carichi di inferenza. Nessuna fonte esterna conferma quella cifra, e il posizionamento commerciale resta comunque leggibile: puntare sul costo, non sulle prestazioni assolute.
Buona parte dei cluster Trainium, per stessa ammissione di Amazon, gira carichi di lavoro interni: ricerca su Alexa, sistemi di raccomandazione, motori di ricerca del catalogo retail. Convincere clienti esterni a fidarsi di un'architettura meno diffusa, con meno documentazione pubblica e meno integratori disponibili, resta un lavoro commerciale separato dalla capacità tecnica del chip.
Eppure l'ordine di GPU non cala, cresce. Se Trainium coprisse una quota rilevante del fabbisogno di calcolo AI dentro AWS, il fabbisogno residuo di GPU NVIDIA si sarebbe dovuto ridurre, o almeno stabilizzare. È successo l'opposto: l'ordine si è triplicato nel giro di due trimestri.
La lettura più prudente è che Trainium copra un segmento di carichi di lavoro, quelli più prevedibili e meno esigenti in termini di librerie software, mentre i modelli più grandi e i clienti più esigenti restano ancorati a CUDA e a un ecosistema consolidato attorno a NVIDIA. Cambiare architettura di calcolo per un modello già addestrato ha un costo che pochi clienti enterprise vogliono sostenere.
Le librerie di ottimizzazione, le strutture di addestramento, i team interni che sanno mettere a punto un cluster NVIDIA sono investimenti già fatti. Passare a un'architettura diversa significa rifare buona parte di quel lavoro, con il rischio di prestazioni inferiori nel breve periodo. Per un reparto IT che deve rispettare scadenze di prodotto, il costo di transizione supera spesso il risparmio promesso sulla carta.