AWS и NVIDIA план по развертыванию двух миллионов дополнительных GPUВ 2027 и 2028 годах планируется внедрение в инфраструктуру AWS. Планируемое развертывание будет включать в себя: NVIDIA Blackwell Ultra, Rubin и Rubin Ultra GPUдля обучения ИИ, вывода результатов, научных вычислений, автоматизации предприятий и физических рабочих нагрузок ИИ.
В объявлении говорится о будущих обязательствах по развитию инфраструктуры, а не о двух миллионах долларов, доступных немедленно. GPUЭто соответствует ранее объявленному плану AWS по добавлению более миллиона новых пользователей. NVIDIA GPUс 2026 года.
План расширения инфраструктуры AWS и NVIDIA
AWS и NVIDIA О расширении партнерства было объявлено 26 августа 2026 года. Обе компании заявили, что дополнительное партнерство GPUЭти системы будут развернуты по всей глобальной инфраструктуре AWS, включая системы, называемые «фабриками ИИ».
Партнерство включает в себя более чем GPU емкость. AWS и NVIDIA также планируем:
- Внедрить инфраструктуру на основе NVIDIA Процессоры Vera.
- Продлить NVIDIA NVLink Fusion с пользовательской высокоскоростной памятью.
- интегрировать NVIDIA GPUс использованием AWS Nitro и сетевого адаптера Elastic Fabric Adapter.
- Продолжайте предоставлять NVIDIA Модели Nemotron создаются с помощью Amazon Bedrock и SageMaker.
- Ускорьте обработку данных и векторное индексирование с помощью Amazon EMR и OpenSearch.
- Примените платформу физического искусственного интеллекта NVIDIA к рабочим нагрузкам Amazon Robotics.
Компании также планируют создать инфраструктуру искусственного интеллекта для правительства США. Это включает в себя 100 000 таких систем. GPUs на защищенных системах AWS, предназначенных для выполнения задач в сфере федеральной и национальной безопасности, с уровнем воздействия 6 и выше.
Мэтт Гарман, генеральный директор AWS, заявил, что клиенты «хотят иметь свободу выбора лучших инструментов для своих задач в области искусственного интеллекта». Совместная AWS и NVIDIA объявление В статье расширение рассматривается как ответ на стремление организаций переводить проекты в области искусственного интеллекта из пилотных проектов в производственные.
Какие доказательства свидетельствуют о росте спроса на инфраструктуру искусственного интеллекта?
Амазонка и NVIDIA Перед объявлением о дополнительных инвестициях компания сообщила о существенном росте своего бизнеса в сфере облачных вычислений и центров обработки данных. GPU развертывание.
Компания Amazon сообщила, что выручка AWS за второй квартал 2026 года составила 42.2 миллиарда долларов, что на 37% больше, чем за аналогичный период 2025 года. Amazon также заявила, что годовой доход от бизнеса AWS в сфере искусственного интеллекта превысил 25 миллиардов долларов и растет трехзначными темпами в годовом исчислении.
За последние 12 месяцев закупки Amazon основных средств и оборудования увеличились на 66.1 миллиарда долларов. Компания объяснила этот рост главным образом инвестициями в искусственный интеллект. Результаты Amazon за второй квартал предоставить финансовый контекст для развития инфраструктуры.
NVIDIA Компания сообщила о выручке от продаж услуг центров обработки данных в размере 89 миллиардов долларов за второй финансовый квартал 2027 года. Это на 117% больше, чем за аналогичный квартал прошлого года.
NVIDIA Также сообщалось о выходе платформы Vera Rubin в полномасштабное производство, при этом партнеры внедряют решения с использованием CoreWeave. Google Cloud, Microsoft Azure, Oracle Cloud Infrastructureи Nebius. Дженсен Хуанг, основатель и генеральный директор NVIDIA, сказал: «И спрос растет». Финансовые результаты компании NVIDIA представлены в Комиссию по ценным бумагам и биржам США (SEC). Подтвердите это утверждение данными о росте выручки компании от центров обработки данных.
Что GPU Инфраструктуру уже предоставляет AWS?
AWS уже предоставляет GPU примеры, основанные на нескольких NVIDIA архитектуры. Недавно анонсированные два миллионаGPU В ближайшие два года внедрение позволит расширить этот портфель.
AWS запустила экземпляры EC2 G7, используя NVIDIA RTX PRO 4500 Blackwell Server Edition GPUв июне 2026 года. Конфигурации G7 поддерживают до восьми GPUs, 256 ГБ в совокупности GPU память, 192 виртуальных ЦП, 768 ГиБ системной памяти, 7.6 ТБ локального хранилища NVMe и пропускная способность сети 700 Гбит/с.
По данным AWS, экземпляры G7 обеспечивают до 4.6 раз более высокую производительность при выполнении задач искусственного интеллекта и в 2.1 раза более высокую производительность графики по сравнению с предыдущим поколением G6. Эти сравнения предоставлены AWS, а не являются независимыми данными. HostScore тесты.
Первоначально экземпляры G7 стали доступны в регионах Восточный Огайо и Западный Орегон США через сервисы On-Demand, Savings Plans, Spot и некоторые конфигурации Dedicated Instance. В анонсе AWS EC2 G7 представлены текущие характеристики экземпляров и информация о региональной доступности.
HostScoreВзять
Два миллионаGPU Обязательства подтверждают, что AWS и NVIDIA Ожидается, что спрос на вычислительные мощности для ИИ останется высоким. Однако в объявлении не уточняется, сколько будут стоить новые мощности и в какие регионы они будут введены. GPU модель или когда станут доступны отдельные типы экземпляров.
Возможное влияние на стоимость хостинга ИИ
Увеличение мощности может облегчить доступность оборудования, но это не гарантирует снижения цен на хостинг. GPU В стоимость хостинга входят: ускоритель, выделение ресурсов ЦП, оперативная память, хранилище, сетевое оборудование, передача данных, управление и зарезервированная мощность.
Системы Blackwell Ultra, Rubin и Rubin Ultra также ориентированы на все более требовательные задачи искусственного интеллекта. Эти системы могут обеспечивать больший объем работы в расчете на единицу объема. GPUОднако это не приводит к автоматическому снижению стоимости участия для небольших проектов.
Покупателям следует дождаться информации о технических характеристиках экземпляров, региональной доступности и ценах, прежде чем рассчитывать финансовые последствия расширения AWS.
Роль малых GPU Хостинг-провайдеры
AWS подходит организациям, которым требуются большие объемы данных. GPU кластеры и тесная интеграция с такими сервисами, как Bedrock, SageMaker, OpenSearch, S3 и Elastic Kubernetes Service. Не каждому проекту в области ИИ требуется такой масштаб или глубина платформы.
Специализированные поставщики инфраструктуры могут обслуживать предприятия, которые хотят использовать проверенную платформу. GPU конфигурация, прямой доступ к серверу, выделенное оборудование или более простая схема выставления счетов. Atlantic.NetНапример, в настоящее время предоставляет облачные и выделенные ресурсы. GPU конфигурации с использованием NVIDIA Оборудование L40S и H100 NVL. Облачные конфигурации поддерживают почасовую и долгосрочную оплату, а выделенные серверы предоставляют фиксированное оборудование и корневой доступ. Atlantic.Net перечисляет свои текущие GPU конфигурации здесь.
Atlantic.Net Это не прямая замена крупнейшим распределенным кластерам AWS. Это еще один уровень. GPU Рынок хостинга предназначен для небольших задач обучения, вывода результатов, исследований и выделенной инфраструктуры.
Последствия для GPU Рынок хостинга
Предприятия должны соответствовать друг другу GPU Соотношение инфраструктуры и рабочей нагрузки, а не общей мощности поставщика услуг.
Обучение модели зависит от GPU память, много-GPU сетевые возможности, пропускная способность хранилища и масштабируемость кластера. Тонкая настройка может эффективно выполняться на одном устройстве с большим объемом памяти. GPUВ зависимости от модели и набора данных. Покупателям, использующим инструменты для вывода данных, следует измерять задержку ответа, параллелизм, время загрузки модели, коэффициент использования и стоимость каждого выполненного запроса. Для длительно выполняющихся рабочих нагрузок следует сравнивать цены на зарезервированное облачное пространство с преданный GPU серверыВ то время как экспериментальные проекты выигрывают от почасовой оплаты и быстрого предоставления ресурсов.
На производительность процессора, объем оперативной памяти, NVMe-накопителя, пропускную способность сети и конфигурацию программного обеспечения также влияют следующие факторы. GPU использование. Мощный ускоритель не сможет достичь ожидаемой производительности, если окружающая инфраструктура не сможет обеспечить достаточно быструю передачу данных.
