大型企业正在重新思考如何在云端运行人工智能工作负载。优步（Uber）便是最新的例子之一，该公司正扩大对AWS芯片的应用，以支持其人工智能系统。

推动这一变革的核心是Graviton和Trainium等由AWS设计的芯片。路透社报道称，优步正加大对这些硬件的使用力度，以支持其网约车和配送平台的AI模型及后端系统。优步的AI模型负责处理核心功能，例如匹配乘客与司机、估算行程时间、设定价格以及管理食品配送路线。此类任务依赖于海量数据和持续更新，这可能会推高云端成本。

自研芯片为缓解成本压力提供了解决方案。AWS表示，与传统的x86架构实例相比，Graviton能提升性价比，而Trainium则旨在降低训练成本。这些硬件可能帮助优步等企业在不大幅增加支出的情况下运行更多AI任务。

自研芯片如何改变云服务使用模式

探索替代硬件的决定与优步的业务规模密切相关。该公司业务遍及数十个国家，每天处理数百万笔交易。在如此庞大的网络中，哪怕是微小的效率提升也至关重要。

据路透社报道，优步正在使用AWS芯片来优化训练和推理工作负载。训练指AI模型如何从数据中学习，而推理则是这些模型在实时系统中如何做出决策。这两个阶段都可能成本高昂，但推理通常在生产环境中持续运行，因此效率尤为重要。

Trainium等芯片专为高吞吐量机器学习任务设计，有助于最大限度地减少模型训练所需的时间和成本。基于ARM架构的Graviton则常用于通用工作负载，因其能降低功耗并更好地控制成本。二者结合，为企业提供了更多在云端运行AI系统的选择。

平衡成本与灵活性

云战略也在发生变化。从选择实例类型、针对特定芯片调整模型，到权衡成本与性能，企业在工作负载架构设计中正扮演着更积极的角色。

然而，这种做法可能会增加复杂性。开发人员需要针对基于ARM的处理器或专用AI芯片调整软件，这可能需要与云服务提供商进行更紧密的协作。

优步的这一举措正值AI工作负载在众多行业中不断扩展之际。从金融到零售，企业正利用机器学习处理欺诈检测、需求预测和客户支持等任务。随着这些系统的规模扩大，对其运行成本的管理需求也随之增加。

定制芯片是应对之道之一。AWS等云服务提供商正在开发自己的处理器，这使他们能够更好地掌控定价和性能。但也引发了关于灵活性的疑问。那些围绕特定云芯片构建系统的企业，可能会发现工作负载在不同供应商之间迁移变得更加困难。

优步使用AWS芯片的案例，展示了这些权衡在实践中的具体表现。该公司并非要远离云端，而是正在使用更专业的云硬件。路透社虽未详细说明优步部署的具体规模，但指出这些芯片支持平台中重要的AI驱动功能。

不断上涨的云服务成本正迫使更多企业重新思考工作负载的运行方式。定制芯片或许无法取代通用计算，但正逐渐成为解决方案组合中的一部分。

优步的举措反映了企业使用云服务方式的更广泛转变。企业越来越注重更高效地运行工作负载。企业需要在成本与灵活性之间取得平衡，而定制芯片很可能发挥更大的作用。