AWS 增購 200 萬 Nvidia GPU,AI 需求強勁

文章摘要

亞馬遜網路服務(AWS)與輝達(Nvidia)擴大合作,AWS 將在 2027 至 2028 年間增購 200 萬顆輝達 GPU,包含 Blackwell Ultra、Rubin 和 Rubin Ultra 等最新型號,以因應訓練與運行 AI 模型所需的龐大運算力。此舉是在先前採購超過 100 萬顆 GPU 協議後,因需求超乎預期而進一步擴大。

除了 GPU,輝達的網路硬體、CPU(如 Vera)、資料處理軟體與機器人平台也將整合至 AWS。此次合作由新創公司、企業、AI 實驗室及政府的「強勁需求」所驅動,儘管 AWS 也在發展自有 AI 晶片,但輝達在 AI 晶片領域的領導地位依然穩固。AWS 的自研晶片業務營收已達年化 250 億美元。

輝達預計將供應 Vera CPU 與 GPU 整合或獨立部署。此外,AWS 將採用輝達完整的實體 AI 技術堆疊,以驅動其機器人車隊,並在 Amazon Bedrock 和 SageMaker 上提供輝達的 Nemotron 開放模型。輝達第二季營收達 962 億美元,其中資料中心營收佔 890 億美元,年增 117%。此合作的具體財務細節未公布,但預估金額達數百億美元。

AI 大叔解析

【核心判斷】
這次AWS大手筆再加碼200萬顆Nvidia次世代GPU訂單,直接點破了目前AI基礎設施競賽中,即使像Amazon這種有自研晶片能力的超大規模雲服務商,也無法擺脫對Nvidia核心運算力的高度依賴。這顯示市場對AI算力需求「飢渴」依舊,Nvidia作為核心晶片供應商的地位,短期內仍是難以撼動的關鍵力量。

唯一主訊號就是AWS在短短五個月內,就在原先承諾的百萬顆Nvidia GPU基礎上,又追加了200萬顆Blackwell Ultra、Rubin及Rubin Ultra等Nvidia最新一代AI晶片,而且預計交付時程已經排到2027、2028年。這數字直接證明了市場對先進AI運算資源的「需求海嘯」遠超預期,連供給方Nvidia都坦承「需求已超出預期」。同時,合作範圍擴大到Nvidia的網路硬體、CPU、軟體與機器人平台,也坐實了Nvidia從晶片到全棧解決方案的生態系優勢。

限制未改變,以前卡在哪,現在還是卡在哪。過往,超大規模雲服務商如AWS,努力開發自家AI晶片(例如Trainium、Graviton CPU),主要目的是為了降低對單一供應商的依賴,並且透過垂直整合來優化成本與性能。然而,新聞揭示的這次大規模增購,直接打臉了部分樂觀預期,表明在最尖端、最主流的AI模型訓練與大規模推論工作負載上,Nvidia的先進GPU與其完善的CUDA軟體生態系,依然是不可或缺的性能瓶頸。現在卡在哪,主要就是「先進AI GPU的供應量和交付時程」,由於需求爆發性成長,連Nvidia也得投入鉅資擴大供應鏈,但晶片交付期程拉長,已是不可逆的市場現實。

真正 Bottleneck 是「Nvidia先進AI GPU的壓倒性性能優勢與其成熟的軟硬體整合生態系」。這使得即使擁有雄厚資源與自研晶片策略的AWS,在面對市場巨量且高速成長的AI運算需求時,仍必須回頭大量依賴Nvidia的解決方案。這不只是單純的晶片供應問題,更是Nvidia在整個AI運算架構中,從GPU、高速互連(networking hardware)、開發工具到軟體堆疊(CUDA, Omniverse, Isaac),所構築起的強大「護城河」。

【毒舌吐槽】
才短短五個月,從承諾部署百萬顆Nvidia GPU,就因為「需求超出預期」一口氣追加200萬顆次世代晶片,而且交付期程都排到2027、2028年了。這哪是需求超出預期?這根本是當初預期打從娘胎裡就沒醒過,還是說這背後根本就是一種「焦慮性屯積」,先搶到再說,免得後面沒算力能跟上AI大潮。嘴巴上說「Amazon invests in its own potentially competing AI chips」,身體卻很誠實地用行動投票,證明自家Trainium、Graviton短期內還真沒辦法完全扛起最吃資源的AI主力戰場,至少在「最先進、最主流」的AI需求上,還是得乖乖排隊等Nvidia供貨。這也再次證明,GPU的單位成本雖然高,但當AI成為服務獲利的核心時,這些「代價」都成了「必要投資」。

【為什麼重要?】
這次AWS大手筆增購Nvidia GPU,不僅是量的擴張,更是質的提升,包含Blackwell Ultra、Rubin、Rubin Ultra等下一代晶片,這說明超大規模雲服務商為了搶佔AI市場高地,對最尖端運算資源的需求已進入不計成本的瘋狂狀態。這也證明Nvidia在AI硬體領域的寡佔地位短期內難以撼動,未來幾年AI軍備競賽將持續白熱化,而且門檻會越來越高。

更值得注意的是,這次合作不單是單純的GPU採購,還擴展到Nvidia的網路硬體、CPU (Vera)、資料處理軟體、機器人平台 (Omniverse, Cosmos, Isaac, Jetson) 以及企業級AI模型 (Nemotron on Bedrock/SageMaker)。這代表Nvidia正將其「全棧式AI」解決方案深深植入AWS的雲端與邊緣基礎設施中。即使AWS有自研晶片策略,Nvidia仍能透過軟硬體整合優勢,從核心AI運算到邊緣機器人、企業級AI服務,全方位鎖定客戶,形成更強的生態系護城河。這對所有想在AI領域分一杯羹的競爭者來說,都是個巨大挑戰,因為這已經不是單純賣晶片,而是賣「整個AI運行環境」。

【影響對象與建議】
* **雲端AI服務使用者 (新創、企業AI團隊):** 既然AWS的大單已排到2027、2028年,意味著取得最先進AI運算資源的成本與等待時間將會持續拉長。建議及早規劃未來運算資源需求,研究多雲或混合雲策略,並評估開源模型在較低階硬體上優化的可能性,避免未來算力瓶頸衝擊業務發展。
* **AI晶片新創/挑戰者:** AWS作為Nvidia重要客戶仍持續大量採購,這證明要撼動Nvidia在AI硬體領域的領先地位難度極高。建議聚焦特定利基市場、邊緣運算或特定工作負載的晶片加速器,並著重建立軟體生態系,以差異化策略尋求生存空間,而非盲目硬碰硬。
* **軟體開發者/架構師 (尤其涉及AI訓練/推論):** Nvidia的GPU不僅被超大規模雲服務商視為核心,其全棧式AI解決方案(如Isaac for機器人、Nemotron for企業模型)也深入整合。建議持續關注Nvidia生態系的發展與其技術框架,因為未來許多先進AI應用仍會圍繞此生態系建構。
* **半導體供應鏈廠商 (記憶體、封裝、設備):** Nvidia承諾2790億美元投資,預示未來幾年AI晶片生產需求將持續井噴。建議密切關注Nvidia及其主要晶圓代工夥伴的產能擴張計畫,提前布局相關製程與材料,以把握這波龐大的市場商機,但也要留意其對個別廠商的定價與利潤壓縮。

【一句話總結】
AWS狂下200萬顆Nvidia次世代GPU大單排到2028年,再次證明AI算力需求「飢渴」難擋,Nvidia霸主地位短時間內難撼動。

【逆風觀點】
原文雖提及Nvidia預計Vera CPU將被「every major hyperscaler, neocloud, AI lab, and system OEM」部署,但目前僅點名Oracle和SpaceXAI為「lead partners」,且AWS的Vera CPU出貨數量「unspecified」。這項說法仍待大規模客戶採用數據來驗證,目前看來仍屬Nvidia對未來市場的樂觀預期,而非已獲證實的廣泛部署。另外,Nvidia CEO Jensen Huang誇下海口說Vera CPU有「$200 billion TAM」,這數字宏大,但這只是他個人的宣稱,並沒有獨立市場研究機構的數據支持,也未明確說明該TAM的定義與計算基礎。這市場空間最終是否能實現,還需觀察Vera CPU的實際表現、市場接受度及競爭態勢。

想更了解這個話題?