AWS 將 Nvidia GPU 訂單增至三倍，達 200 萬顆晶片
新聞摘要
Amazon Web Services（AWS）與 Nvidia 於美東時間 2026 年 8 月 26 日宣布擴大策略合作夥伴關係，AWS 將在 2027 至 2028 年間於其全球資料中心基礎設施部署額外 200 萬顆 Nvidia GPU。這項承諾的規模約為兩家公司僅五個月前所達成協議的三倍，當時 AWS 承諾導入略多於 100 萬顆 GPU。Nvidia 表示，這項躍升反映出企業、AI 實驗室、新創公司與政府客戶為了大規模 AI 工作負載而競相確保運算容量，需求已「超出所有預測」。
訂購內容
這項擴大後的協議涵蓋 Nvidia 的下一代 Blackwell Ultra、Rubin 與 Rubin Ultra GPU 架構，以及將整合進 AWS 基礎設施的 Nvidia Vera CPU。在 200 萬顆 GPU 中，有 10 萬顆專門保留給符合 Impact Level 6 分類的安全美國政府 AI 基礎設施，該等級用於處理敏感的國家安全工作負載。AWS 也確認新的 EC2 G7 執行個體將採用 Nvidia RTX PRO 4500 Blackwell Server Edition GPU，將 Nvidia 的硬體觸角延伸至更廣泛的 AWS 雲端運算產品線。新協議下的出貨預計於第三季開始，完整部署將持續至 2027 與 2028 年。
承諾規模
雖然 AWS 與 Nvidia 未揭露協議的確切美元金額，分析師根據此規模下每顆 GPU 的典型價格，估計這筆交易價值數百億美元。這項宣布緊接在 Nvidia 一個亮眼的季度之後，該公司公布資料中心營收約 890 億美元，年增 117%，總季度營收約 962 億美元。Nvidia 引導投資人預期下一季營收約 1,080 億美元，並揭露其對雲端客戶的總供應承諾已成長至約 2,790 億美元，是前一季所公布數字的兩倍以上。
高層說法
Nvidia 執行長黃仁勳表示，兩家公司「已打造出 AI 時代最偉大的成長引擎之一，而需求正跑在所有預測之前」，凸顯雲端供應商必須以多快的速度上修其基礎設施計畫。AWS 執行長 Matt Garman 則以客戶彈性為核心來闡述這次擴張，表示「客戶希望擁有為其 AI 工作負載選擇最佳工具的自由，也希望確信一切都能無縫協作」。Nvidia 財務長 Colette Kress 則另外指出，AI 採用範圍已從最大的科技公司向外擴展，成為晶片需求持續成長的驅動力，涵蓋主權 AI 計畫、企業部署與專業 AI 基礎設施營運商。
不只是 GPU：更深入的技術整合
這項擴大後的協議不僅止於晶片數量。Nvidia 的 NVLink Fusion 互連技術搭配客製化高頻寬記憶體，正直接整合進 AWS 的 Trainium 晶片機架，實質上將 Nvidia 的網路架構編織進 AWS 自家的客製化晶片堆疊。所有基於 Nvidia GPU 與基於 Trainium 的 EC2 執行個體，包括使用 NVLink Fusion 的執行個體，都將繼續在 AWS 專有的 Nitro System 上運行，該系統將虛擬化、安全與網路功能與主要運算晶片分開處理。在軟體方面，Nvidia 的開放 Nemotron AI 模型將登上 Amazon Bedrock 與 SageMaker，而 Nvidia 的 cuDF 與 cuVS 資料處理程式庫則被採用來加速 Amazon EMR 上的工作負載，AWS 引述在某些基準測試中資料處理速度提升高達 3.7 倍、向量索引速度提升高達 9 倍，且成本降低 25%。這項合作也延伸至實體與機器人 AI，Amazon Robotics 將採用 Nvidia 的 Jetson、Omniverse 與 Isaac 平台，用於倉儲自動化與機器人開發。
背景：AWS 仍持續押注自家晶片
Nvidia 的擴張是伴隨而非取代 Amazon 對其內部 Trainium 晶片的持續投資。AWS 執行長 Matt Garman 與其他高層曾表示，以部署數量而言，Trainium 仍是 AWS 部署規模最大的 AI 晶片類別，而 AWS 的 AI 晶片與 AI 服務業務合計已達到約 250 億美元的年化營收運轉率。公司領導階層將與 Nvidia 的關係描述為長期合作夥伴關係，而非競爭對抗，即使 Amazon 正將 Trainium 行銷給包括大型 AI 實驗室在內的外部客戶。產業觀察家認為，這種雙軌策略——大規模採購 Nvidia GPU，同時擴展自有晶片——是對供應限制與定價權的一種避險，因為全球對 AI 運算容量的需求持續超過可用供應。
為何重要
這筆新訂單的規模凸顯出，AI 基礎設施需求的成長速度甚至超越了大型雲端供應商幾個月前的預測。對 AWS 客戶而言，擴大的 Nvidia 合作關係意味著訓練與運行大型 AI 模型有更多可用運算容量，以及更深入的資料處理與向量搜尋軟體工具。對更廣泛的科技產業而言，這筆交易鞏固了 Nvidia 在全球 AI 供應鏈中的核心地位，同時也說明了大型雲端營運商如何一邊深化與 Nvidia 的關係，一邊建構自家客製化晶片，以長期管理成本與依賴風險。