Amazon sta trasformando i chip progettati in casa in uno degli assi della crescita di AWS. Nel commentare i risultati del terzo trimestre, il CEO Andy Jassy ha indicato una domanda in forte accelerazione per Graviton e Trainium: il business dei semiconduttori proprietari cresce a un ritmo a tre cifre su base annua e, per entrambe le famiglie di prodotti, gli impegni di ricavo sono aumentati di oltre venti volte rispetto a un anno prima.
Il dato va letto con attenzione. Gli impegni di ricavo non coincidono con il fatturato già registrato, ma fotografano contratti e consumi attesi dai clienti: per Amazon sono dunque un segnale della visibilità commerciale che AWS sta ottenendo attorno al proprio silicio. In un mercato del cloud in cui gli acceleratori per l’intelligenza artificiale sono una risorsa contesa e costosa, avere alternative sviluppate internamente permette al gruppo di incidere su disponibilità di capacità, prezzi e redditività dei servizi.
Graviton e Trainium rispondono però a esigenze differenti. Graviton è la linea di CPU ARM di AWS, impiegata per carichi di calcolo generici nel cloud. Trainium è invece il processore progettato per l’addestramento e l’esecuzione di modelli di machine learning. La crescita di entrambi suggerisce che la strategia di Amazon non punta soltanto a intercettare la domanda per l’AI generativa con hardware specializzato, ma a legare quel ciclo di investimenti alle risorse cloud più tradizionali.
L’AI porta lavoro anche alle CPU
Jassy ha collegato esplicitamente il successo di Graviton alla diffusione dell’AI. Una parte rilevante delle attività che seguono l’addestramento iniziale di un modello — post-training, reinforcement learning e utilizzo di strumenti da parte degli agenti — viene svolta soprattutto su CPU anziché su acceleratori AI. È una distinzione importante: la corsa all’AI viene spesso raccontata come una gara esclusivamente incentrata sulle GPU, mentre l’infrastruttura necessaria per portare modelli e agenti in produzione comprende calcolo general purpose, storage, database e rete.
Secondo Amazon, Graviton può offrire un rapporto prezzo-prestazioni migliore del 30-40% rispetto alle alternative. È una promessa commerciale centrale per AWS, perché il vantaggio economico è ciò che può rendere sostenibile la migrazione dei carichi di lavoro dei clienti verso l’architettura proprietaria. L’azienda ha inoltre dichiarato che, nel solo terzo trimestre, gli utenti del suo silicio custom hanno risparmiato complessivamente più di 2 miliardi di dollari.
Il quadro si inserisce in un trimestre molto favorevole per la divisione cloud. AWS è cresciuta del 39,3% su base annua, accelerando per il sesto trimestre consecutivo e raggiungendo il ritmo più alto da quasi cinque anni, secondo Amazon. Il portafoglio ordini ha toccato 578 miliardi di dollari ed è cresciuto a sua volta a tre cifre. L’azienda afferma inoltre di installare un acceleratore AI circa ogni 14 secondi, mentre la capacità appena attivata viene rapidamente assorbita dalla clientela.
Questi numeri non dimostrano che Graviton e Trainium siano l’unica causa dell’espansione di AWS, né Amazon fornisce una ripartizione dei ricavi per chip. Mostrano però quanto il silicio proprietario sia diventato parte della proposta della piattaforma: una leva per gestire l’offerta, differenziare le istanze cloud e trattenere nel perimetro AWS carichi di lavoro che richiedono volumi elevati di elaborazione.
Trainium si avvicina a un mercato più ampio
Il segnale più concreto di questa ambizione è la prospettiva di rendere Trainium disponibile anche al di fuori di AWS entro la fine del 2027. Finora il chip è stato innanzitutto un componente dell’infrastruttura cloud di Amazon. Portarlo oltre quel confine significherebbe provare a convertirlo in un prodotto di semiconduttori con una propria presenza di mercato, seguendo una richiesta che Jassy attribuisce agli stessi clienti.
La tempistica lascia comunque molto spazio all’esecuzione. Amazon non ha precisato con quali modalità Trainium sarà distribuito fuori da AWS, quali partner saranno coinvolti o quali segmenti di clientela verranno serviti per primi. Inoltre, la domanda dichiarata per un chip non garantisce automaticamente un’adozione ampia: le imprese devono poter integrare hardware, framework e strumenti di sviluppo senza costi e complessità eccessivi.
Su questo fronte AWS cerca di abbassare le barriere software. Nel trimestre ha reso open source TorchNeuron, strumento che consente agli sviluppatori di eseguire su Trainium codice PyTorch esistente senza doverlo riscrivere. PyTorch è uno dei framework più usati nel machine learning e la compatibilità con l’ecosistema già adottato dagli sviluppatori è cruciale. Il vantaggio di prezzo o di disponibilità di un acceleratore conta poco, infatti, se richiede di modificare pipeline, librerie e procedure operative consolidate.
Amazon sostiene anche che la domanda non si sia concentrata soltanto sulle generazioni più recenti. Dopo il lancio di Graviton 5, il backlog delle istanze Graviton delle generazioni precedenti è più che raddoppiato trimestre su trimestre. Per le precedenti generazioni di Trainium, la capacità disponibile nel breve periodo viene venduta a un premio rispetto alla prima metà dell’anno. È un elemento che indica tensione nell’offerta e che, al tempo stesso, valorizza gli investimenti già fatti da AWS nell’infrastruttura installata.
Una piattaforma, non un catalogo di chip
La lettura di Amazon è che l’AI rafforzi l’intero ecosistema AWS. I clienti tendono a eseguire l’inferenza vicino ai dati e alle applicazioni che hanno già nel cloud; quei flussi generano a loro volta domanda per le risorse core, dalle CPU allo storage. L’inferenza, cioè l’uso di un modello già addestrato per produrre risposte o compiere compiti, rappresenta già ben oltre metà dei ricavi AI di AWS e continua a crescere, ha detto Jassy. Rimane inoltre rilevante il fatturato legato al training.
Questa impostazione distingue la strategia di Amazon dalla semplice locazione di capacità di data center o di GPU per periodi brevi. AWS vuole presentarsi come il luogo in cui far convivere dati, applicazioni, modelli e componenti infrastrutturali, usando il silicio proprietario per migliorare l’economia dell’insieme. Per il gruppo, che investe pesantemente in capacità e deve affrontare costi elevati di componenti come la memoria e ammortamenti consistenti, questa integrazione è essenziale anche sul piano dei margini.
Restano tuttavia alcuni limiti alla lettura trionfalistica dei risultati. Amazon non ha comunicato il fatturato separato di Graviton e Trainium, né quote di mercato o dettagli sulla composizione dei contratti. Il confronto competitivo dipenderà dalla disponibilità effettiva dell’hardware, dal supporto agli strumenti software e dalla capacità di dimostrare risparmi ripetibili per tipi diversi di carico. Anche la forte domanda per le generazioni precedenti può riflettere una capacità ancora insufficiente rispetto alle richieste, non solo una preferenza strutturale per quei prodotti.
Per ora, i dati trimestrali chiariscono la direzione: Amazon vede nei propri chip una componente sempre meno accessoria della crescita di AWS. La prossima verifica sarà capire se il salto dagli impegni commerciali ai ricavi ricorrenti proseguirà con la stessa intensità e se l’apertura di Trainium oltre il cloud di Amazon, prevista per la fine del 2027, riuscirà a trasformare un vantaggio interno in un’attività più autonoma nel mercato dei semiconduttori.
