亞馬遜雲端運算服務（AWS）與輝達（NVIDIA）在 26 日共同宣布，未來兩年內將於 AWS 全球基礎設施中額外部署 200 萬顆輝達 GPU。這不是小數目——記得今年三月他們才剛承諾「2026 年起部署 100 萬顆」，現在直接翻倍。市場對 AI 算力的胃口，顯然比兩個月前大家想的還要大得多。
兩百萬顆晶片要派什麼用場？
這批新增的算力大軍不只是一個型號打到底，而是涵蓋 Blackwell Ultra、Rubin 與 Rubin Ultra 等次世代 GPU 產品線。AWS 與輝達的合作已經不是「租幾台機器跑模型」那麼單純，這些晶片將被用來建構所謂的 AI 工廠——支援代理式 AI、科學研究、企業自動化，還有實體 AI 等高階工作負載。白話文來說，從工廠裡的機器人、實驗室裡的模擬運算，到政府單位的機敏任務，全都包了。
另外，AWS 也會進一步擴展 Blackwell 產品線，導入 RTX PRO 4500 Blackwell Server Edition GPU，專門提供給 Amazon EC2 G7 執行個體使用。這對那些需要高效能運算但又不想自己養機房的企業來說，算是多了一個更具彈性的選擇。
自研晶片 vs. 輝達軍備：AWS 的兩手策略
這裡有趣的地方在於：AWS 自己明明也有在練兵——他們的自研晶片 Trainium 和 Inferentia 已經推進到第二代，也確實獲得不少客戶採用。但同時間，他們對輝達的採購不但沒縮手，反而還加碼。這說明了什麼？市場上對 AI 算力的需求，已經大到一個雲端巨頭得同時押注兩條路線才夠應付的程度。
說真的，這不難理解。自研晶片的好處是成本控制和客製化彈性，但輝達的生態系和軟體整合仍然有難以取代的優勢，尤其當你面對的是 CUDA 生態圈裡那些已經寫好的工具和框架。AWS 不是在做選擇題，而是在做加法——兩邊都要，而且兩邊都要大。
不只算力：Vera CPU、網路技術、甚至美國政府專案
雙方這次的合作範圍，已經不只是「買晶片」這種層次。輝達的 Vera CPU、先進網路技術、開放模型、資料處理、機器人——這些領域全都納入合作框架。甚至，為了因應高機敏需求，雙方將聯手為美國政府打造專屬 AI 工廠，在 AWS 的高安全性環境中部署 10 萬顆 GPU，用來支援聯邦與國安級別的關鍵任務。這不只是商業合作，某種程度上已經算是國家級基礎建設的等級了。
【編輯觀點】從產業面來看，AWS 這波加碼釋放出兩個訊號。第一，AI 基礎設施的軍備競賽離降溫還很遠——如果連 AWS 這種等級的玩家都覺得「一百萬顆不夠」，那中小型雲端廠商或企業自建機房的壓力只會更大。第二，輝達在資料中心 GPU 的霸主地位短期內仍難以撼動，AMD 和自研晶片雖然來勢洶洶，但要撼動 CUDA 生態系的黏著度，還需要時間。對台灣的伺服器代工和散熱產業來說，這筆訂單的長線效應值得持續追蹤。不過，也有市場觀察家私下提醒：這種等級的資本支出，若未來 AI 應用變現速度不如預期，可能會對 AWS 的獲利結構造成壓力——畢竟兩百萬顆 GPU 的成本，最終還是得有人買單。
對一般企業來說，這代表什麼？
你可能不是 AWS 的企業客戶，也可能沒有打算自己訓練大型模型。但 AWS 和輝達的這筆交易，其實影響的是整個雲端算力的供應鏈。當雲端巨頭用這種規模在掃貨 GPU，算力成本短期內不會下降，甚至可能因為供不應求而維持高檔。如果你所在的企業有導入 AI 的計畫，現在就該開始評估算力成本，而不是等到專案啟動才發現預算不夠。
另一方面，這也代表輝達的產品路線圖正在與 AWS 的基礎設施規劃深度綁定。Blackwell Ultra 和 Rubin 系列還沒正式量產，就已經被 AWS 指名採用——這對輝達來說是現金流和產能規劃的定心丸，但對競爭者如 AMD 或英特爾來說，則是市場空間又被壓縮了一截。
後續觀察
AWS 這次的加碼部署，時間跨度設定在「未來兩年內」。也就是說，這些 GPU 並非一次到位，而是隨著輝達的產品量產節奏分批導入。接下來值得觀察的幾個節點包括：Blackwell Ultra 的實際上市時程、Rubin 系列的效能表現是否如輝達宣稱的那樣驚人，以及 AWS 在自研晶片上的進展是否會影響後續的採購策略調整。市場對 AI 基礎設施的需求是否真的能持續支撐這種規模的投資，時間會給出答案。
如果你正在評估企業導入 AI 的算力策略，或是想了解 AWS 與輝達這波合作對雲端市場的長期影響，不妨先把這篇文章存下來，三個月後再回頭對照——看看實際的部署進度是否跟得上新聞稿的承諾。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
AWS 這次加碼部署的 200 萬顆輝達 GPU 會在什麼時候到位？
預計在未來兩年內分批部署於 AWS 全球基礎設施中，實際時程會配合輝達 Blackwell Ultra、Rubin 系列產品的量產節奏。
AWS 不是有自研晶片 Trainium 和 Inferentia 嗎？為什麼還要大規模採購輝達 GPU？
因為市場對 AI 算力的需求遠超預期，自研晶片與輝達生態系各有優勢，AWS 採取兩者並行的策略，以同時滿足成本控制和軟體整合的雙重需求。
這 200 萬顆 GPU 主要會用來做什麼？
涵蓋 AI 工廠建構、代理式 AI、科學研究、企業自動化及實體 AI 等高階工作負載，並包含為美國政府打造的專屬 AI 工廠部署。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
About the Author
