2026年8月26日，AWS与英伟达（NVIDIA）联合宣布，将在2027至2028年间于AWS全球基础设施（含AI工厂）中追加部署200万颗NVIDIA GPU，涵盖Blackwell Ultra、Rubin和Rubin Ultra三代架构，用于代理型AI、科学计算、企业自动化及物理AI等工作负载。据NVIDIA官方新闻室披露，这是双方自今年3月NVIDIA GTC 2026大会宣布2026年起新增超过100万颗GPU之后的又一次大幅升级——两次计划之间仅相隔数月，增量翻倍，时间窗口向后延伸两年。
触发升级的直接原因，双方说得很直接：客户实际需求超出了此前所有预测。英伟达CEO黄仁勋在联合声明中表示，AI算力需求“超过了每一次预测”，并将此次扩展定性为将合作从GPU延伸至“CPU、网络、开放式模型与软件”的全栈升级。从计划排期来看，第一批100万颗GPU的部署窗口是2026年，第二批200万颗延伸至2027至2028年。三年内消化这一体量，对供应链和工程部署而言都是相当大的承诺。
从“买芯片”到“共建基础设施体系”
此次合作的实质性变化，不仅是GPU数量，而是整个技术栈的重构。根据联合公告，双方合作范围新增了CPU（NVIDIA Vera）、网络（NVIDIA Spectrum）、定制高带宽内存（NVHBM）、开放模型（NVIDIA Nemotron）以及机器人平台（Jetson、Omniverse、Isaac）。这是一次从“购买加速芯片”到“共同设计AI基础设施体系”的范式转换，覆盖了从底层硅片到上层软件模型的完整纵深。
在架构整合层面，AWS旗下芯片设计子公司Annapurna Labs的下一代Trainium芯片，将支持NVIDIA NVLink Fusion互联协议，并能接入NVIDIA的定制高带宽内存NVHBM及扩展架构，从而在同一机架级系统中实现AWS自研AI芯片与NVIDIA GPU的混合部署。
这一设计打破了“自研芯片路线”与“外购GPU路线”非此即彼的二元对立。Trainium负责特定训练任务，NVIDIA GPU承担推理和通用计算，两者通过NVLink Fusion高速互联，共享高带宽内存池。对于大型AI训练集群，这种异构混搭意味着可以按工作负载特性分配最合适的算力，而不是强迫所有任务都走同一种芯片。这折射出行业的一个现实判断：在顶级AI工作负载上，NVIDIA软件生态（CUDA、NIM、Nemotron等）积累的迁移成本，足以让拥有自研芯片能力的云厂商也选择深化整合而非替代。
可量化的性能改善
联合公告披露了几组具体性能数据。搭载NVIDIA RTX PRO 4500 Blackwell Server Edition GPU的Amazon EC2 G7实例，AI推理性能较上一代G6实例提升4.6倍，图形性能提升2.1倍。在数据处理层面，NVIDIA cuDF引入Amazon EMR后，与纯CPU配置相比，处理速度最高提升3.7倍，价格性能比改善30%。Amazon OpenSearch的GPU向量索引速度最高提升9倍，成本降至约原来的四分之一。
这三组数字背后有一个共同逻辑：GPU加速正在从模型训练和推理，向数据管道和索引构建等此前由CPU主导的环节渗透。从算力消耗的分布来看，未来AI系统的GPU依赖不仅在“跑模型”阶段，还会延伸到数据准备和检索全链路。
政府AI工厂：算力进入最高安全等级
此次合作还包含一个独立的政府业务线：双方计划为美国联邦政府和国家安全工作负载建设AI工厂，在AWS安全基础设施上部署10万颗NVIDIA GPU，支持Impact Level 6（IL6）及更高安全级别的应用。
IL6是美国国防部对机密信息处理的基础安全分类。能在该等级上部署NVIDIA Blackwell级GPU，意味着AI推理能力正式进入需要最高信息安全管控的政府系统。这是云计算商业算力向政府安全领域渗透的一个明确节点，也将成为未来政府AI采购的参照基准。
物理AI：从数据中心延伸至仓储机器人
物理AI是此次合作的另一个新增方向。Amazon Robotics正在采用NVIDIA Jetson（边缘计算模块）、Omniverse（物理仿真平台）和Isaac（机器人开发框架），用于机器人仿真、合成数据生成、训练、路径优化和验证，推进亚马逊仓储自动化及下一代机器人研发。
这将亚马逊自身的物流业务与此次算力扩张直接挂钩。AWS既是算力的销售方，也是消耗方——仓储机器人网络的规模化部署，本身就构成支撑此次扩容的内部需求。物理AI的商业化，从数据中心训练到仓库地面部署，正在AWS与英伟达的合作框架内形成一条完整的垂直链。
产业格局的连锁影响
对于AI开发者和企业用户而言，此次扩容的直接含义是：在AWS上获取NVIDIA最新一代GPU算力的等待时间和供应约束，预计将在2027至2028年有所缓解。Blackwell系列GPU的云端配额在各大云厂商之间目前普遍偏紧，200万颗的追加计划若按期落地，将对这一供需缺口形成实质性补充。
软件层面，NVIDIA Nemotron开放模型将继续通过Amazon Bedrock和Amazon SageMaker提供，企业用户可在AWS标准调用接口下使用这些模型，无需自行维护推理基础设施。对于正在从试点走向规模化部署的企业AI团队而言，这降低了在托管环境中使用顶级开放模型的门槛。
AWS CEO Matt Garman在声明中表示，客户希望能自由选择最适合AI工作负载的工具，同时确保所有技术能彼此无缝协作，“这正是我们与英伟达深度合作，致力让AWS成为运行NVIDIA AI技术最佳平台的原因，从网络、安全到部署，全方位优化基础设施性能”。
16年合作的脉络与此次的结构性变化
黄仁勋将此次扩展定位为16年合作的延续。从时间线看，AWS与英伟达从GPU虚拟化和早期EC2 GPU实例起步，经历了深度学习爆发期的大规模Volta和Turing部署，再到今天的Blackwell和Rubin全栈整合，合作深度随每一代架构更迭而递进。
此次最大的结构性变化是：合作从“AWS提供算力场地+英伟达提供芯片”的简单分工，演变为在芯片互联（NVLink Fusion接入Trainium）、内存架构（NVHBM）、政府安全合规（IL6）和机器人平台（Isaac）层面的深度共同设计。这种耦合深度，使得未来任何一方转向替代合作伙伴的成本大幅上升。
扩张计划的验证变量
200万颗GPU的兑现节奏是最关键的变量。Rubin和Rubin Ultra架构目前尚处于规模量产爬坡阶段，供应链能否支撑这一扩张速度，将是未来12至18个月的核心不确定性。从GTC 2026的100万颗到本次200万颗的追加，需求曲线的斜率本身已经超出了供给端的初始预测，接下来的问题是生产端能否持续跟上。
Trainium与NVLink Fusion的深度整合，预示着AWS在自研芯片策略上的一次路线调整：不再追求Trainium完全替代NVIDIA GPU，而是让两者互补并存。这对英特尔、AMD以及其他试图切入AI数据中心芯片市场的厂商来说是一个明确信号——芯片层面的单点竞争已不足以撼动格局，软件生态和互联协议的深度绑定才是当前阶段的真正护城河。
政府AI工厂的10万颗GPU部署，预计将成为美国政府AI采购的一个标志性参照，并可能引发其他云厂商在安全算力市场的跟进布局。这是一个此前相对空白的细分市场，一旦供给侧确立了基础设施标准，后续的政府AI应用部署将围绕这套体系展开。英伟达下一财季大客户收入结构中AWS的占比变化，以及Rubin架构GPU的实际量产时间点，这两个数字将验证本次扩张计划是否在按时间表推进。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接