AWS und NVIDIA planen, bis 2027–2028 zwei Millionen zusätzliche GPUs zu beschaffen

de.wedoany.com-Bericht: Amazon Web Services (AWS) und NVIDIA haben eine deutliche Ausweitung ihrer strategischen Zusammenarbeit angekündigt, um der weltweit steigenden Nachfrage nach KI-Infrastruktur gerecht zu werden. Die beiden Unternehmen planen, zusätzlich zwei Millionen NVIDIA-GPUs in der globalen AWS-Infrastruktur zu deployen und die Zusammenarbeit in Bereichen wie KI-Fabriken, CPUs, Netzwerk, offene Modelle, Datenverarbeitung und Robotik zu vertiefen, um Kunden gemeinsam entwickelte KI-Lösungen bereitzustellen und so die KI-Entwicklung und -Bereitstellung zu beschleunigen.

Derzeit bewegen sich KI-Workloads von der Pilotphase in die Produktionsphase, wobei sich die Anwendungsbereiche auf agentische KI, wissenschaftliche Entdeckungen, Unternehmensautomatisierung und Robotik erweitern. Kunden benötigen eine breitere Modellauswahl, schnellere Datenverarbeitungspipelines und Fähigkeiten für neue Anwendungsfälle wie physische KI, während die zugrunde liegende Infrastruktur sowohl die Innovationsgeschwindigkeit unterstützen als auch höchste Sicherheits- und Zuverlässigkeitsstandards für geschäftskritische Workloads aufrechterhalten muss.

Aufbauend auf 16 Jahren gemeinsamer Innovation werden AWS und NVIDIA ihre KI-Rechenkapazitäten erweitern und Kunden schneller neue, gemeinsam entwickelte Lösungen anbieten. AWS bietet unter allen Cloud-Anbietern das breiteste Spektrum an GPU-Instanzen. Auf der NVIDIA GTC 2026 kündigte AWS an, ab 2026 mehr als eine Million NVIDIA-GPUs neu hinzuzufügen; die tatsächliche Nachfrage übertraf diese Erwartung. AWS plant nun, zwischen 2027 und 2028 zusätzlich zwei Millionen NVIDIA Blackwell Ultra-, Rubin- und Rubin-Ultra-GPUs in der globalen AWS-Infrastruktur (einschließlich KI-Fabriken) zu deployen, um Kunden-Workloads wie agentische KI, wissenschaftliche Entdeckungen, Unternehmensautomatisierung und physische KI abzudecken. Gleichzeitig wird AWS die NVIDIA-Blackwell-Kapazitäten erweitern, einschließlich der NVIDIA RTX PRO 4500 Blackwell Server Edition GPUs für Amazon EC2 G7-Instanzen. Die KI-Inferenzleistung der G7-Instanzen ist 4,6-mal höher als die der Vorgängergeneration G6, die Grafikleistung 2,1-mal höher; AWS ist der erste große Cloud-Anbieter, der rechenintensive Instanzen mit RTX PRO 4500-Beschleunigung anbietet. Darüber hinaus arbeiten beide Unternehmen im Bereich NVIDIA Spectrum Networking zusammen, um die Netzwerkleistung zwischen GPU-Clustern für große KI-Trainings-Workloads zu optimieren.

Im Bereich CPU-Computing planen AWS und NVIDIA, Infrastruktur auf Basis der NVIDIA-Vera-CPU in AWS einzuführen, um zusätzliche Optionen für agentische KI-Workloads zu bieten, die eine enge Zusammenarbeit zwischen leistungsstarker CPU-Berechnung und beschleunigter Infrastruktur erfordern. Vera ist für die nächste Generation von KI konzipiert und ergänzt die breite AWS-Strategie, die von eigenen Chips bis hin zu den neuesten Beschleunigern und CPUs von Partnern reicht.

Bei Chip-Interconnect und Speicher kündigte AWS auf der re:Invent 2025 an, die NVIDIA-NVLink-Fusion-Hochgeschwindigkeits-Chip-Interconnect-Technologie in den Trainium-Chips der nächsten Generation zu unterstützen. NVIDIA und Amazon Annapurna Labs erweitern diese Unterstützung und arbeiten mit Speicherherstellern zusammen, um NVIDIAs neue, maßgeschneiderte High-Bandwidth-Memory-Technologie (NVHBM) in Trainium zu integrieren, sodass diese auf schnelleren und energieeffizienteren Speicher zugreifen können. In Kombination mit NVLink Fusion kann Annapurna Labs mithilfe von NVIDIAs maßgeschneiderter Speichertechnologie und Scale-up-Architektur die Leistung und Effizienz von KI-Workloads steigern und gleichzeitig Trainium und GPUs in einer universellen Rack-Architektur integrieren.

Für Regierungskunden planen AWS und NVIDIA, KI-Fabriken für die US-Regierung aufzubauen, den NVIDIA-KI-Software-Stack bereitzustellen und 100.000 GPUs auf sicherer AWS-Infrastruktur für föderale und nationale Sicherheits-Workloads bereitzustellen. Diese Zusammenarbeit ermöglicht es Regierungsbehörden, KI für Workloads ab Impact Level 6 (IL6) und höher in großem Maßstab einzusetzen.

Diese erweiterte Zusammenarbeit baut auf mehreren bereits umgesetzten Technologieintegrationen auf. Alle NVIDIA-GPU- und Trainium-basierten Amazon-EC2-Instanzen, einschließlich derjenigen, die NVLink Fusion nutzen, basieren auf dem AWS Nitro System und sind über Elastic Fabric Adapter (EFA) vernetzt. Gleichzeitig werden GPU-beschleunigte und Trainium-basierte EC2-Instanzen weiterhin auf dem Nitro System aufbauen und über EFA erweitert. Nitro und EFA gewährleisten gemeinsam, dass Kunden auch bei der Erweiterung der NVIDIA-GPU-Flotte und der Integration neuer Interconnect-Technologien weiterhin auf die Sicherheit, Zuverlässigkeit und Netzwerkleistung vertrauen können, die für produktionsreife KI-Workloads erforderlich sind. Im Software-Ökosystem ist die offene NVIDIA-Nemotron-Modellfamilie als vollständig verwaltete, serverlose Modelle auf Amazon Bedrock verfügbar und kann auf Amazon SageMaker von Kunden selbst bereitgestellt und feinabgestimmt werden.

Die Beschleunigung der Datenverarbeitung ist ein weiteres bereits umgesetztes Ergebnis der Zusammenarbeit. AWS und NVIDIA nutzen Amazon EC2 G7-Instanzen und die NVIDIA-cuDF-Bibliothek, um GPU-beschleunigte Datenverarbeitung auf Amazon EMR anzubieten, die im Vergleich zu CPU-basierten Konfigurationen eine bis zu 3,7-mal höhere Verarbeitungsgeschwindigkeit und eine 30 % bessere Kosten-Leistungs-Effizienz erreicht. Angesichts der großen Vektordatenbank-Anforderungen durch KI-Anwendungen, Retrieval-Augmented-Generation-Pipelines und semantische Suche lagern GPU-beschleunigte Vektorindizes auf Amazon OpenSearch Service den Indexaufbau auf dedizierte GPUs aus, wodurch die Vektorindexgeschwindigkeit um bis zu das Neunfache gesteigert und die Kosten auf ein Viertel reduziert werden – verfügbar für verwaltete Cluster und Amazon OpenSearch Serverless.

Im Bereich Robotik arbeitet Amazon Robotics mit NVIDIA zusammen, um die nächste Generation von Robotern durch die Integration der NVIDIA-Physical-AI-Plattform zu entwickeln. Diese Plattform umfasst NVIDIA Jetson, NVIDIA-Omniverse-Bibliotheken und die offene NVIDIA-Isaac-Roboterentwicklungsplattform. Die Zusammenarbeit umfasst Simulation, synthetische Datengenerierung, Robotertraining, Routenoptimierung, funktionale Sicherheit und Real-zu-Sim-Validierung – alles läuft auf GPU-beschleunigten Amazon-EC2-Instanzen, um die für Roboter-Workloads erforderlichen groß angelegten Simulationen, vielfältigen Trainingsdaten und kontinuierlichen Realwelt-Validierungen zu unterstützen.