Uber扩大AWS合作规模 采用亚马逊自研AI芯片升级核心出行业务

全球出行巨头Uber近期宣布了一项重要合作升级——扩大与亚马逊云科技（AWS）的协议，计划将派单算法、运力预测等更多核心网约车业务模块，迁移到亚马逊的自研AI芯片集群上运行。这不仅仅是简单的服务扩容，更被业界视为一次战略性的“供应商切换”：Uber正在用AWS的方案，直接替代其原有的Oracle和谷歌云服务。对亚马逊而言，这无疑是其自研芯片在ToB云服务市场斩获的又一个标杆客户，也进一步动摇了英伟达在AI加速硬件领域的绝对主导权。

这次合作更新的细节于2026年4月正式对外公布。根据披露的信息，Uber首批迁移的业务聚焦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已超过1200 PetaFLOPS，足以支撑其全球17个国家和地区的日常出行调度需求。

过去两年，爆炸式增长的AI算力需求，倒逼着所有云服务巨头下场自研芯片。这背后是一箭双雕的考量：既能摆脱对英伟达单一供应链的依赖，也能为客户提供更具成本效益的算力方案。亚马逊在这方面布局很早，2018年便启动了自研项目，如今已迭代至第三代Inferentia推理芯片和第二代Trainium训练芯片。根据公开的测试数据，其推理场景的单位算力成本相比英伟达A100降低了42%，能效比则提升了60%。

事实上，在Uber之前，Snap、Spotify等互联网公司已经将部分AI业务迁移到了亚马逊的自研芯片上。但Uber的加入意义不同，它是出行行业首个大规模采用该方案的头部企业，其示范效应更为显著。

对Uber来说，AI芯片的性能绝非小事，它直接关系到核心业务的用户体验和真金白银的运营成本。想想看：实时派单算法需要在毫秒内完成供需匹配；高峰时段的运力预测要处理PB级的历史出行数据；就连车内的智能语音、安全识别等功能，背后也离不开海量的推理算力支撑。

此前，Uber的AI算力由Oracle云和谷歌云共同分担，但始终面临两大痛点。其一，谷歌自身也在布局自动驾驶和出行业务，这难免让Uber对核心数据的安全性心存顾虑。其二，两家服务商的AI算力扩容成本高、交付周期长，难以匹配Uber在新兴市场快速扩张的业务节奏。而AWS提供的一体化“芯片+云服务”方案，据称能帮助Uber将核心业务的推理延迟降低23%，年度算力成本更是有望压缩近3亿美元。

Uber此次的选择，向市场释放了一个清晰的信号：企业客户采购AI算力的逻辑正在发生根本转变。大家不再盲目地“唯GPU论”，而是转向“场景优先”，不再愿意被单一供应商或单一的硬件路线所绑定。

目前，这场由云厂商主导的“换芯”浪潮正在加速。除了亚马逊，谷歌的TPU、微软的雅典娜（Athena）芯片都在快速推进商业化落地，同时还有多家创业公司的专用AI芯片正在进入测试阶段。行业预测显示，到2030年，云厂商自研芯片的市场份额将从2025年的约8%大幅提升至32%。英伟达一家独大的市场格局注定会被打破，而不同场景的AI应用，也将因此获得更多元、更经济高效的算力支撑。