亚马逊斥资 1.1 亿重金，加码 Trainium 芯片 AI 研究，助力技术突破

当前，大型模型训练需要庞大的计算资源，这促使了专用加速器的发展，例如 1.1 版本中提到的为人工智能（AI）工作负载设计的加速器，尤其是在云端。如今，开发者可以利用专门为云端人工智能工作负载设计的加速器，即“Build on Trainium”。

使用专用加速器能够更有效地执行 Trainium 芯片上的特定任务，使得开发者能够构建更强大的 AI 模型、创新算法以及支持 AWS Trainium UltraClusters 的大规模部署。

相关案例：使用 AI 工具，了解如何通过 Midjourney 进行图像生成。

AWS Trainium 旨在为深度学习训练和特定的推理工作负载提供经济高效的加速。对于开发者而言，这意味着可以使用一种经济的方式来扩展 AI 模型部署，支持大规模的加速计算，并且能够访问用于构建和扩展人工智能解决方案的专用加速器。通过 “Build on Trainium”，开发者可以经济高效地访问多达 40,000 个 Trainium 芯片的 UltraCluster，从而满足 AI 领域的各种计算和扩展需求。

总而言之，采用专门构建的 AI 加速器有助于提高代码效率，并促进对云基础设施的明智选择。例如，在 8 月份，Anthropic 公司使用 Claude 模型在 OpenAI 平台上完成了 40 亿美元的训练。

“Build on Trainium” 使得能够以经济有效的方式训练大型模型并提高性能，这为开发者提供了构建高性能 AI 模型的能力，并为 AWS 客户降低了训练 Trainium UltraClusters 的成本。Catalyst 项目就是一个利用这些优势的例子。

关于这一声明，卡内基梅隆大学的 Todd C. Mowry 教授表示：“AWS 的 Build on Trainium 战略为我们的研究和大规模机器学习工作负载提供了经济高效的途径，借助 AWS Trainium，我们可以构建具有变革意义的加速器基础设施。我们致力于利用经济高效的深度学习、大规模建模以及在专用加速器上进行生成人工智能。