Amazon ha scommesso 225 miliardi sui propri chip

Amazon investe 225 miliardi nei chip Trainium e 50 miliardi in OpenAI, cliente di Nvidia

Partiamo dai dati che Amazon ha appena rilasciato. Secondo i risultati finanziari Q1 2026, le vendite nette del primo trimestre sono cresciute del 17% a 181,5 miliardi di dollari, con AWS che ha accelerato ancora di più: +28% anno su anno, a 37,6 miliardi. Ma i numeri che davvero raccontano la direzione strategica dell’azienda stanno altrove: oltre 225 miliardi di dollari in impegni di fatturato sui chip Trainium, 50 miliardi investiti in OpenAI, e un piano di spesa in conto capitale da 200 miliardi per il 2026. Cifre che sembrano uscite da un film di fantascienza. La vera storia, però, è nella logica che le tiene insieme.

La doppia scommessa

La risposta è nella complessità della strategia di Amazon, e qui sta l’ironia più sottile: Amazon sviluppa chip proprietari per ridurre la dipendenza da Nvidia e al tempo stesso investe decine di miliardi nel principale cliente di Nvidia. Non è una contraddizione,
è una copertura su più livelli.

Da un lato, stando a quanto riportato da The Register sui chip Trainium, il business di silicon personalizzato di Amazon è ormai tra i primi tre al mondo nel segmento datacenter — una posizione costruita negli anni con Graviton per il compute general purpose e Trainium per i workload di training. I 225 miliardi di impegni di fatturato su Trainium non sono solo una metrica di mercato: sono contratti che vincolano clienti a infrastruttura AWS per anni. Dall’altro lato, lo scorso 31 marzo OpenAI e AWS hanno annunciato un’espansione del loro accordo pluriennale già da 38 miliardi: secondo l’annuncio ufficiale della partnership, Amazon investirà 50 miliardi in OpenAI — 15 miliardi subito, altri 35 al verificarsi di determinate condizioni — e l’accordo commerciale si allarga di altri 100 miliardi in 8 anni. OpenAI gira su AWS. I modelli di OpenAI alimentano applicazioni che girano su AWS. Il cerchio si chiude.

Cosa cambia per chi costruisce

Per chi sviluppa su AWS, il quadro è duplice. Sul lato positivo, avere accesso sia ai chip Trainium — ottimizzati per training su scala, con il compilatore Neuron che traduce codice PyTorch e JAX in istruzioni native — sia ai modelli OpenAI tramite API gestite significa che un team può passare dalla sperimentazione alla produzione senza cambiare provider. La latenza di rete tra i modelli OpenAI e i servizi AWS è strutturalmente bassa perché i due sistemi sono co-locati. È un vantaggio reale, non di marketing.

Sul lato del rischio, però, la stessa architettura crea un lock-in a più strati. Se il tuo stack dipende da Trainium per il training, da Bedrock per il serving e da GPT-4 (o successori) per le capability cognitive, ogni livello ha il suo vincolo contrattuale e tecnico. Migrare via da Trainium, ad esempio, non è come spostare un container Docker: richiede ricompilazione e ri-ottimizzazione dei modelli, perché Neuron genera codice macchina specifico per l’architettura NeuronCore. Non è un problema insurmontabile, ma è un costo reale che spesso le aziende sottovalutano nella fase iniziale.

Il contesto di mercato rende tutto questo ancora più netto. A febbraio, i dati sulla spesa in infrastrutture dei quattro hyperscaler mostravano una spesa complessiva 2026 vicina ai 700 miliardi di dollari — Amazon da sola a 200 miliardi. A questi livelli di investimento, nessun competitor di dimensioni medie può tenere il passo. La gara non è più solo sull’API più rapida o sul modello più preciso: è su chi può permettersi di costruire e mantenere la pila completa, dal wafer di silicio all’interfaccia utente.

Amazon sta costruendo un’infrastruttura dove il chip è il punto di controllo più profondo. Per un developer, scegliere il cloud non è più solo valutare prezzi per token o latenza dell’API: è decidere chi possiede i mattoni fondamentali su cui gira il proprio prodotto, e quanto si è disposti a dipenderne. Trainium e l’accordo con OpenAI non sono due iniziative parallele — sono due leve dello stesso disegno.