Содержание
AWS и NVIDIA планируют развернуть 2 млн дополнительных GPU в облачной инфраструктуре Amazon Web Services в 2027-2028 годах. Речь идёт о новых ускорителях NVIDIA Blackwell Ultra, Rubin и Rubin Ultra для задач ИИ, от обучения моделей до робототехники.
Компании объявили о расширении партнёрства 27 августа 2026 года. Для рынка это не просто очередная закупка видеокарт в дата-центры. AWS фактически фиксирует, что спрос на облачные GPU снова ушёл выше прогноза. На GTC 2026 компания уже обещала добавить более 1 млн GPU NVIDIA с 2026 года. Теперь к этому плану добавляют ещё 2 млн ускорителей.
Новая ёмкость пойдёт в глобальную инфраструктуру AWS, включая так называемые AI-фабрики. Под этим термином сейчас продают дата-центры, собранные под плотные GPU-кластеры, быстрые сети, хранение данных и запуск моделей в продакшене.
Blackwell, Rubin и RTX PRO 4500 в облаке AWS
NVIDIA Blackwell Ultra, Rubin и Rubin Ultra станут основной частью нового облачного парка AWS в 2027-2028 годах. Эти ускорители рассчитаны на крупные ИИ-нагрузки: агентные системы, научные расчёты, корпоративную автоматизацию и physical AI, то есть модели для роботов и систем, работающих с физическим миром.
AWS расширит и ёмкость на Blackwell. В списке отдельно указаны NVIDIA RTX PRO 4500 Blackwell Server Edition для инстансов Amazon EC2 G7. По данным AWS, G7 дают в 4,6 раза больше производительности в AI inference и в 2,1 раза больше графической производительности, чем G6 прошлого поколения.
Тут интересна сама позиция RTX PRO 4500. Это не GeForce для домашнего ПК, а серверная карта для облачных задач. AWS называет себя первым крупным облачным провайдером с инстансами на RTX PRO 4500.
Компании работают и над сетью. Для больших тренировочных кластеров AWS и NVIDIA используют NVIDIA Spectrum networking. Без быстрой сети миллионы GPU превращаются в дорогую парковку: модель ждёт данные, а не считает.
Vera CPU и NVLink Fusion связывают GPU с Trainium
AWS и NVIDIA готовят инфраструктуру на NVIDIA Vera CPU. Эти процессоры нужны там, где ускорители соседствуют с тяжёлой CPU-логикой: планировщиками агентных систем, подготовкой данных, сервисами вывода и классическими корпоративными приложениями.
Это хорошо ложится на стратегию AWS. Компания не хочет зависеть только от одного типа железа. В её портфеле уже есть собственные чипы Trainium, ускорители NVIDIA и процессоры партнёров.
Вторая техническая деталь звучит менее громко, но для инженеров она вкуснее. Amazon Annapurna Labs расширяет поддержку NVIDIA NVLink Fusion для следующих Trainium-чипов и добавляет работу с NVIDIA NVHBM. Это кастомная высокоскоростная память, которую NVIDIA делает вместе с поставщиками памяти.
Идея простая: Trainium сможет получать доступ к более быстрой и энергоэффективной памяти. NVLink Fusion при этом помогает собрать Trainium и GPU в единую стоечную архитектуру. Для клиентов это значит меньше зоопарка при смешанных кластерах, где рядом стоят ускорители Amazon и NVIDIA.
Федеральные AI-фабрики и софт NVIDIA в сервисах AWS
AWS и NVIDIA планируют построить AI-фабрики для правительства США. В отдельном плане указаны 100 000 GPU на защищённой инфраструктуре AWS для федеральных задач и нагрузок национальной безопасности, включая уровни Impact Level 6 и выше.
В коммерческой части партнёрство затрагивает не только железо. Инстансы с GPU NVIDIA и Trainium продолжат работать на AWS Nitro System и масштабироваться через Elastic Fabric Adapter. Это базовый слой AWS для изоляции, сетевой производительности и надёжности при больших кластерах.
Модели NVIDIA Nemotron доступны в Amazon Bedrock как управляемые serverless-модели. В Amazon SageMaker их можно разворачивать и дообучать на своей инфраструктуре. Для компаний это даёт выбор между готовым сервисом и более ручной настройкой.
Есть и прикладные цифры по данным. Amazon EMR с инстансами EC2 G7 и библиотекой NVIDIA cuDF даёт до 3,7 раза более быструю обработку данных и на 30% лучшее соотношение цены и производительности, чем CPU-конфигурации. Для Amazon OpenSearch Service ускоренное построение векторных индексов на GPU даёт до 9 раз больше скорости при четверти стоимости.
Робототехника тоже попала в соглашение. Amazon Robotics использует платформу NVIDIA для physical AI: Jetson, библиотеки Omniverse и открытую среду Isaac. Нагрузки включают симуляцию, генерацию синтетических данных, обучение роботов, оптимизацию маршрутов и проверку real-to-sim на GPU-инстансах EC2.
Глава AWS Мэтт Гарман сформулировал сделку через выбор инструментов: «Клиенты хотят свободу выбирать лучшие инструменты для своих AI-нагрузок и уверенность, что всё работает вместе». Дженсен Хуанг добавил, что спрос идёт быстрее любого прогноза; партнёрство AWS и NVIDIA длится 16 лет, а новые 2 млн GPU AWS планирует развернуть в 2027-2028 годах.
