AI 视频初创公司 Decart 与亚马逊云服务（AWS）达成合作，将其旗舰 AI 模型 “Lucy” 在 AWS 新一代定制 AI 加速器 Trainium3 上进行优化，以实现实时视频生成功能。此次合作不仅标志着 AWS Trainium 系列加速器在高性能 AI 应用场景的重要突破，也凸显了定制 AI 加速器在特定领域对英伟达 GPU 的竞争潜力，为 AI 视频生成等实时性要求高的领域提供了更高效、低成本的算力解决方案。
从合作核心内容来看，Decart 对 AWS 生态展开深度布局：除优化 Lucy 模型适配 Trainium3 外，还将自身模型接入亚马逊 Bedrock 平台 —— 这一 AWS 旗下的生成式 AI 服务平台，可让开发者无需关注底层基础设施，就能将 Decart 的实时视频生成能力集成到各类云应用中。对 AWS 而言，此举进一步丰富了 Bedrock 的 “即插即用” 功能，印证了其对实时 AI 视频需求增长的信心；对 Decart 来说，借助 Bedrock 的开发者生态，能大幅扩大自身技术的覆盖范围与 adoption 速度，加速实时视频生成技术在电商营销、游戏动画、内容创作等领域的落地。而 Trainium3 为 Lucy 模型提供的核心支撑，在于其强大的算力与低延迟特性 —— 既能保障生成高保真视频的质量，又能满足实时交互场景对响应速度的要求，解决了此前 AI 视频生成 “质量与速度难以兼顾” 的痛点。
定制 AI 加速器（如 AWS Trainium）的崛起，核心优势源于其 ASIC（专用集成电路）架构。与英伟达 GPU 的通用计算定位不同，ASIC 芯片为特定应用场景量身设计，剥离了与目标任务无关的功能单元，专注于提升核心计算效率。具体来看，计算架构的差异造就了性能与能效的差距：CPU 如同 “瑞士军刀”，可处理多类任务但效率有限；GPU 类似 “大功率电钻”，擅长并行计算，适用于 AI 训练、图形渲染等场景，但仍存在通用架构带来的冗余；而 ASIC 则像 “手术刀”，针对单一任务极致优化 —— 以 Trainium 为例，其架构专为 AI 训练与推理设计，在数据吞吐量、内存带宽利用、能耗控制等方面均针对 AI workloads 做了深度适配。这种特性使其在特定场景下展现出显著优势：Anthropic 与 AWS 合作的 “Project Rainier” 项目，采用数十万颗 Trainium2 芯片构建超大规模集群，可提供数百艾字节每秒（exaflops）的算力，支撑 Claude Opus-4.5 等先进大模型运行；AI 编码初创公司 Poolside 也选择 Trainium2 训练模型，并计划将其用于后续推理任务，均印证了 ASIC 在特定 AI 场景的实用性。
在 Decart 与 Trainium3 的合作中，技术突破具体体现在实时视频生成的关键指标上。Lucy 模型在 Trainium3 的支持下，“首帧生成时间”（time-to-first-frame）仅需 40 毫秒，意味着用户输入指令后，模型可近乎即时启动视频生成；同时，通过对视频处理流程的优化，Lucy 能以每秒 30 帧（fps）的速度生成视频，且质量可媲美 OpenAI Sora 2、谷歌 Veo-3 等成熟但生成速度更慢的视频模型。更值得关注的是，Decart 还获得了 Trainium3 的早期使用权 —— 这款新一代加速器在性能上进一步升级，可支持每秒 100 帧的输出速度，且延迟更低。Decart 联合创始人兼 CEO 迪恩・莱特斯多夫（Dean Leitersdorf）表示：“Trainium3 的下一代架构带来了更高的吞吐量、更低的延迟和更强的内存效率，使我们的帧生成速度提升了 4 倍，而成本仅为 GPU 的一半。” 这一数据直接体现了定制加速器在 “性能 – 成本比” 上的竞争力，为实时视频生成的规模化应用奠定了基础。
从行业竞争格局来看，定制 AI 加速器正对英伟达 GPU 的主导地位形成挑战，但短期内难以实现全面替代。目前，英伟达仍凭借 GPU 的通用性与成熟生态，占据 AI 训练市场的核心份额 —— 其 GPU 可支持 GPT-5、Gemini 3 等通用大模型，适配各类复杂 AI 任务，而 ASIC 的优势集中在需求稳定、场景单一的任务（如实时视频生成、推荐系统推理）。不过，越来越多科技巨头正加入定制芯片阵营：Meta 与博通合作开发专用 AI 芯片，用于训练和运行 Llama 系列模型；OpenAI 也计划推出自研芯片，减少对外部供应商的依赖；谷歌则持续迭代 TPU（张量处理器），并向外部客户开放算力租赁服务。这种趋势推动行业从 “英伟达单一主导” 向 “多元化算力竞争” 转变，企业可根据自身任务特性选择适配的硬件方案 —— 通用大模型训练仍以 GPU 为主，特定场景推理与生成任务则更多采用 ASIC，形成 “互补共存” 的格局。
此次合作的行业意义不仅在于技术落地，更在于推动 AI 创新向 “场景化定制” 方向发展。实时视频生成是 AI 应用的重要前沿领域，其对算力的 “高吞吐量、低延迟” 要求，传统 GPU 难以高效满足，而 Trainium3 等定制加速器的出现，恰好填补了这一空白。随着更多定制芯片在细分场景的突破，AI 技术将在更多实时交互领域（如虚拟直播、即时动画制作、智能交互界面）实现落地，进一步拓展 AI 的应用边界。同时，定制芯片的成本优势也将降低中小开发者的技术门槛，让更多企业有能力探索实时 AI 视频等高端应用，推动行业创新活力提升。
综上，Decart 与 AWS Trainium3 的合作，既是定制 AI 加速器在实时视频生成领域的成功实践，也是行业算力格局变革的缩影。未来，随着 ASIC 技术的持续迭代与生态完善，其在特定 AI 场景的竞争力将进一步增强，与 GPU 共同推动 AI 算力向 “高效化、场景化、多元化” 方向发展，为 AI 技术的全面落地注入新动力。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/decart-xie-shou-aws-trainium3-shi-xian-shi-shi-shi-pin
