AWS 與 NVIDIA 在 8 月 26 日宣布擴大策略合作，計畫在 2027 至 2028 年於 AWS 全球基礎設施部署額外 200 萬張 NVIDIA GPU。這不是單純的晶片採購公告，雙方也同時談到 NVIDIA Vera CPU、NVLink Fusion、Nemotron 開源模型、資料處理與機器人，目標是支援從 Agentic AI 到 Physical AI 的大規模工作負載。
200 萬張 GPU 要用在哪裡？
AWS 表示，新增容量將服務模型訓練與推論、科學研究、企業自動化、機器人與其他生產環境。計畫中的 GPU 包含 Blackwell Ultra、Rubin 與 Rubin Ultra，會部署在 AWS 全球基礎設施與 AI factory。
這項公告也延續 AWS 在 NVIDIA GTC 2026 提出的擴容方向：原先規劃自 2026 年起增加超過 100 萬張 NVIDIA GPU，雙方表示後續需求高於先前預期，因此把 2027 至 2028 年的新增計畫再往上調整。
合作範圍已經跨到整個 AI stack
除了 GPU，AWS 將支援 NVIDIA Vera CPU 基礎設施，並把 NVIDIA 平台與 AWS Nitro System、Elastic Fabric Adapter 整合。這些元件影響的是多 GPU 集群的安全、網路與運算協同，不是使用者在單一 API 裡能直接感受到的模型功能。
模型層面，NVIDIA Nemotron open models 將在 Amazon Bedrock 與 SageMaker 提供；資料層面則合作用 cuDF 與 cuVS 加速資料處理與向量索引。Amazon Robotics 也會採用 NVIDIA physical AI 平台，讓倉儲自動化成為合作的一部分。
公告中的計畫與已交付服務
200 萬張 GPU 是 AWS 與 NVIDIA 的部署計畫，時程落在 2027 至 2028 年，不是今天已經全部可租用的現成容量。不同 GPU、區域、EC2 執行個體與服務的供應時間，仍要看 AWS 後續產品公告。
同樣地，企業不能只用 GPU 數量推算模型成本或效能。實際結果還取決於模型大小、記憶體、網路、儲存、批次策略、推論流量與軟體最佳化；AWS 公告中的效能數字也應視為特定配置下的比較。
對 AI 開發者的訊息
這次合作顯示 AI 競爭已從「哪個模型最強」擴展到誰能提供可靠的訓練、推論、資料與機器人基礎設施。對開發團隊而言，真正值得評估的是模型選擇、GPU 供應、成本控制、資料管線與部署區域是否能一起支撐產品，而不是只追逐一個硬體數字。
官方細節可參考 AWS 與 NVIDIA 公告。
