AWS e NVIDIA piano per impiegare due milioni di ulteriori GPUs su tutta l'infrastruttura AWS durante il 2027 e il 2028. L'implementazione pianificata includerà NVIDIA Blackwell Ultra, Rubin e Rubin Ultra GPUapplicazioni per l'addestramento dell'IA, l'inferenza, il calcolo scientifico, l'automazione aziendale e i carichi di lavoro di IA fisica.
L'annuncio descrive un impegno infrastrutturale futuro piuttosto che due milioni immediatamente disponibili GPUs. Segue un precedente piano di AWS per aggiungere più di un milione NVIDIA GPUa partire dal 2026.
Il piano di espansione delle infrastrutture di AWS e NVIDIA
AWS e NVIDIA hanno annunciato l'ampliamento della partnership il 26 agosto 2026. Le due società hanno affermato che l'ulteriore GPUQuesti sistemi verrebbero distribuiti nell'infrastruttura globale di AWS, compresi i sistemi descritti come "fabbriche di intelligenza artificiale".
La partnership comprende più di GPU capacità. AWS e NVIDIA Inoltre, prevedi di:
- Introdurre infrastrutture basate su NVIDIA CPU Vera.
- estendere NVIDIA NVLink Fusion con memoria personalizzata ad alta larghezza di banda.
- Integrare NVIDIA GPUs con AWS Nitro e rete Elastic Fabric Adapter.
- Continua a fornire NVIDIA Modelli Nemotron tramite Amazon Bedrock e SageMaker.
- Accelera l'elaborazione dei dati e l'indicizzazione vettoriale tramite Amazon EMR e OpenSearch.
- Applicare la piattaforma di intelligenza artificiale fisica di NVIDIA ai carichi di lavoro di Amazon Robotics.
Le aziende prevedono inoltre di costruire infrastrutture di intelligenza artificiale per il governo degli Stati Uniti. Ciò include 100,000 GPUsu sistemi AWS sicuri destinati a carichi di lavoro federali e di sicurezza nazionale con livello di impatto 6 e superiore.
Matt Garman, CEO di AWS, ha affermato che i clienti "desiderano la libertà di scegliere gli strumenti migliori per i loro carichi di lavoro di intelligenza artificiale". L'AWS e NVIDIA annuncio presenta l'espansione come una risposta alle organizzazioni che stanno spostando i progetti di intelligenza artificiale dalla fase pilota alla produzione.
Quali prove dimostrano che la domanda di infrastrutture per l'intelligenza artificiale è in crescita?
Amazon e NVIDIA hanno segnalato una crescita sostanziale nelle loro attività cloud e data center prima di annunciare l'ulteriore GPU distribuzione.
Amazon ha riferito che AWS ha generato 42.2 miliardi di dollari di vendite nel secondo trimestre del 2026, con un aumento del 37% rispetto allo stesso periodo del 2025. Amazon ha anche affermato che la sua attività di intelligenza artificiale AWS ha superato un fatturato annuo di 25 miliardi di dollari e sta crescendo a un tasso percentuale a tre cifre su base annua.
Negli ultimi 12 mesi, gli acquisti di immobili e attrezzature da parte di Amazon sono aumentati di 66.1 miliardi di dollari. L'azienda ha attribuito tale incremento principalmente agli investimenti nell'intelligenza artificiale. Risultati del secondo trimestre di Amazon fornire un contesto finanziario per la realizzazione delle infrastrutture.
NVIDIA ha registrato un fatturato di 89 miliardi di dollari nel settore dei data center per il secondo trimestre dell'anno fiscale 2027. Ciò rappresenta un aumento del 117% rispetto allo stesso trimestre dell'anno precedente.
NVIDIA ha inoltre riferito che la sua piattaforma Vera Rubin è entrata in piena produzione, con implementazioni dei partner che coinvolgono CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructuree Nebius. Jensen Huang, fondatore e CEO di NVIDIA, ha affermato: "E la domanda sta accelerando". I risultati finanziari di NVIDIA depositati presso la SEC A sostegno di tale affermazione, si possono citare i dati di crescita del fatturato dei data center riportati dall'azienda.
Che GPU Di quali infrastrutture dispone già AWS?
AWS fornisce già GPU istanze basate su diversi NVIDIA architetture. Il nuovo annunciato da due milioni-GPU Nei prossimi due anni, l'implementazione amplierà questo portafoglio.
AWS ha avviato istanze EC2 G7 utilizzando NVIDIA RTX PRO 4500 Blackwell Server Edition GPUs nel giugno 2026. Le configurazioni G7 supportano fino a otto GPUs, 256 GB di dati combinati GPU memoria, 192 CPU virtuali, 768 GiB di memoria di sistema, 7.6 TB di storage NVMe locale e 700 Gbps di larghezza di banda di rete.
Secondo AWS, le istanze G7 offrono prestazioni di inferenza AI fino a 4.6 volte superiori e prestazioni grafiche fino a 2.1 volte superiori rispetto alla precedente generazione G6. Questi sono confronti riportati da AWS, non da test indipendenti. HostScore parametri di riferimento.
Le istanze G7 sono state inizialmente rese disponibili nelle regioni US East Ohio e US West Oregon tramite On-Demand, Savings Plans, Spot e configurazioni di istanze dedicate selezionate. L'annuncio di AWS relativo alle istanze EC2 G7 fornisce le specifiche attuali delle istanze e la disponibilità regionale.
HostScore'palo
I due milioni-GPU l'impegno conferma che AWS e NVIDIA Ci si aspetta che la domanda di calcolo AI rimanga elevata. Tuttavia, l'annuncio non stabilisce quanto costerà la nuova capacità, quali regioni riceveranno ciascuna GPU modello, o quando i singoli tipi di istanza diventeranno disponibili.
Potenziali effetti sui costi di hosting dell'IA
Una maggiore capacità può facilitare la disponibilità dell'hardware, ma non garantisce prezzi di hosting più bassi. GPU I costi di hosting includono l'acceleratore, l'allocazione della CPU, la RAM, lo spazio di archiviazione, la rete, il trasferimento dati, la gestione e la capacità riservata.
I sistemi Blackwell Ultra, Rubin e Rubin Ultra sono destinati anche a carichi di lavoro di intelligenza artificiale sempre più impegnativi. Questi sistemi possono fornire più lavoro per GPU, ma ciò non riduce automaticamente i costi di ingresso per i progetti più piccoli.
Gli acquirenti dovrebbero attendere le specifiche delle istanze, la disponibilità regionale e i prezzi prima di calcolare l'impatto finanziario dell'espansione di AWS.
Il ruolo dei più piccoli GPU Provider di hosting
AWS è adatto alle organizzazioni che necessitano di grandi risorse GPU cluster e stretta integrazione con servizi come Bedrock, SageMaker, OpenSearch, S3 e Elastic Kubernetes Service. Non tutti i progetti di intelligenza artificiale richiedono tale scalabilità o profondità di piattaforma.
I fornitori di infrastrutture specializzate possono servire le aziende che desiderano un'infrastruttura nota GPU configurazione, accesso diretto al server, hardware dedicato o un sistema di fatturazione più semplice. Atlantic.Net, ad esempio, attualmente fornisce servizi cloud e dedicati GPU configurazioni utilizzando NVIDIA Hardware L40S e H100 NVL. Le sue configurazioni cloud supportano la fatturazione oraria e a lungo termine, mentre i server dedicati forniscono hardware fisso e accesso root. Atlantic.Net elenca il suo attuale GPU configurazioni qui.
Atlantic.Net non è un sostituto diretto dei cluster distribuiti più grandi di AWS. Rappresenta un altro livello del GPU Mercato di hosting per carichi di lavoro di dimensioni ridotte relativi a formazione, inferenza, ricerca e infrastrutture dedicate.
Implicazioni per il GPU Mercato dell'hosting
Le aziende dovrebbero corrispondere GPU l'infrastruttura è adeguata al carico di lavoro, piuttosto che alla capacità totale del fornitore.
L'addestramento del modello dipende da GPU memoria, multi-GPU rete, velocità di trasmissione dello storage e scalabilità del cluster. La messa a punto può essere eseguita in modo efficiente su un cluster con memoria elevata. GPU, a seconda del modello e del set di dati. Gli acquirenti di inferenza dovrebbero misurare la latenza di risposta, la concorrenza, il tempo di caricamento del modello, l'utilizzo e il costo per richiesta completata. I carichi di lavoro a lunga esecuzione dovrebbero confrontare i prezzi del cloud riservato con dedicato GPU server, mentre i progetti sperimentali beneficiano della fatturazione oraria e del provisioning rapido.
Le prestazioni della CPU, la RAM di sistema, l'archiviazione NVMe, la larghezza di banda di rete e la configurazione del software influiscono anch'essi GPU utilizzo. Un acceleratore potente non può raggiungere le prestazioni previste se l'infrastruttura circostante non è in grado di fornire dati con sufficiente rapidità.
