AWS加碼200萬顆GPU，輝達(NVDA)高階出貨能延續到2028嗎？

 

AWS 把輝達硬體拉進更深層的雲端骨架

亞馬遜(AMZN)旗下 AWS 與輝達(NVDA)宣布擴大長期合作，市場看到的是一份更大的 GPU 採購與系統整合計畫。AWS 預計在今年起到2028年間，額外部署高達200萬顆輝達 GPU，涵蓋 Blackwell Ultra、Rubin 與 Rubin Ultra 等新架構。這代表雲端 AI 基礎設施的需求，已經推進到下一個投資週期。

這筆合作建立在 AWS 先前承諾自2026年起安裝100萬顆輝達晶片的基礎上。對我來說，這個節奏很重要，因為它同時說明兩件事：AWS 持續推進自研晶片，供應鏈配置仍高度依賴輝達高階硬體。雙線並行的結果，是短期內雲端算力仍由外部最強架構主導。

 

200萬顆 GPU 對應的需求，不只來自訓練

AWS 這次點名的用途，包含代理式 AI、科學研究、企業自動化與實體 AI。這些場景的共同特徵，是推理、訓練與大規模資料處理會同時放大，對 GPU、網路與記憶體的要求都高。若再考慮高階 GPU 單價通常落在數萬美元區間，這份多年合約的資本支出規模相當可觀。

從市場角度看，這類訂單的意義在於可見度，而不只是單一出貨量。AWS 把下一代架構直接放進規劃表，等於把未來幾年的算力需求提前鎖定。對輝達而言，這種長約型需求會支撐高階產品線的出貨節奏，也讓雲端客戶的採購更接近平台級配置。

 

Vera CPU、NVLink Fusion 與 Trainium 的整合路線

除了 GPU 採購，雙方也把合作往底層架構推進。AWS 將導入輝達的 Vera CPU 基礎設施，並與 Annapurna Labs 深度合作。雙方還要針對 AWS 的 Trainium 晶片，擴展整合具備高頻寬記憶體的 NVLink Fusion 技術，目標是提升運算能力與網路傳輸效率。

這裡透露出的訊息很直接：AWS 並沒有把自研晶片路線與輝達路線切開，而是選擇讓兩者在系統層互相配合。對雲端客戶來說，重點是更高的吞吐量與更穩定的延遲；對供應商來說，這表示架構主導權仍在高階加速器與互連技術手上。算力競爭已經進到系統整合階段，單顆晶片規格以外的網路與記憶體配置，開始變成同等重要的戰場。

 

美國政府專屬 AI 工廠，把高安全場景也拉進來

AWS 與輝達也計畫替美國政府打造專屬 AI 工廠，預計配置高達10萬顆 GPU，並放在極度安全的 AWS 基礎設施中。這座運算中心會處理涉及國家安全的機密運算工作，顯示 AI 算力需求已經從商用雲端，延伸到政府與安全場景。

這一段很值得注意，因為政府專案通常對穩定性、隔離性與供應鏈可信度要求更高。當這類訂單也走向高階 GPU 平台，代表 AI 基礎設施已經不只服務模型訓練，還開始進入公共部門的核心工作流。需求來源更分散，採購規模也更長期化，這會讓高階算力的需求基礎更厚。

 

Bedrock、SageMaker 與 Amazon Robotics 讓合作落到產品層

在軟體與模型生態系，輝達的 Nemotron 開放模型會進入 Amazon Bedrock 與 Amazon SageMaker，方便開發者直接調用。CUDA-X 函式庫也會為 Amazon EMR 與 Amazon OpenSearch 提供 GPU 加速，提升資料處理效率。這些安排的重點，不在單一模型曝光，而在 AWS 讓輝達工具更深地嵌入自己的雲端產品線。

更進一步的是 Amazon Robotics。亞馬遜的機器人部門將導入輝達的實體 AI 平台，推動倉儲自動化升級。這讓合作從雲端計算延伸到實體營運，等於把 AI 算力直接接到物流效率上。雲端、模型、資料與倉儲自動化同時被串起來，合作範圍已經超過傳統的供應商關係。

整體來看，這次 AWS 與輝達的擴大合作，釋放的是一個很清楚的訊號：雲端大客戶仍在加碼最頂規的 AI 硬體，且採購不只停在 GPU，還一路延伸到 CPU、互連、軟體與實體應用。接下來要看的，是這種部署能否持續擴散到更多企業與政府客戶，並進一步反映在輝達高階產品線與 AWS AI 服務的實際使用率上。