当全球最大的云计算平台向你发出一张订单——在未来两年内，再部署200万颗GPU——这不是某个小型云厂商的扩产计划。这是AWS在2026年8月26日抛向英伟达的新赌注。然而，就在同一时间，AWS还在全力推进自研芯片Trainium的迭代。一位CEO同时打出两张底牌。这究竟是一场豪赌，还是一次精心计算的双保险？
300万颗GPU的承诺
2026年8月26日，AWS与英伟达联合宣布扩大战略合作。双方计划在2027至2028年间，在AWS全球基础设施中新增部署200万颗英伟达GPU，涵盖Blackwell Ultra、Rubin及Rubin Ultra三代架构。
这并非AWS首次大规模部署英伟达GPU。就在此前，AWS在2026年3月的GTC大会上已宣布将新增超过100万颗英伟达GPU，自2026年起陆续部署。仅仅5个月后，这一数字就被直接翻了两番。从100万到300万，AWS的GPU采购曲线折射出的，是AI算力需求的爆炸性增长——远快于所有人的预期。
这笔合作的范围远超芯片采购。双方宣布将深化在AI工厂、CPU架构、高速网络、开放大模型、数据处理和机器人技术等六大领域的全栈合作。更具标志性的信号是：双方还将为美国政府建设AI工厂，在AWS安全基础设施上部署10万颗GPU，用于联邦和国家安全的AI工作负载，安全等级达到Impact Level 6以上。
AWS CEO Matt Garman在声明中说：“客户希望为自己AI工作负载选择最佳工具的自由，并且希望一切能无缝协作。”英伟达CEO黄仁勋则称：“需求跑在了每一个预测前面。”这两句话放在一起，恰恰道出了这次合作的本质——不是AWS需要英伟达，也不是英伟达需要AWS，而是客户不需要在二者之间做选择。
算力饥饿：没有尽头的消耗战
黄仁勋说“需求跑在了每一个预测前面”。这不是一句公关辞令。
从2024年到2026年，AI大模型参数从千亿级跃升至万亿级。GPT-5、DeepSeek-V4、Claude系列，每一个新模型的训练都需要数万到数十万颗GPU的集群。而推理需求——尤其是agentic AI（自主智能体）和physical AI（具身智能）——正在以更快的速度吞噬算力。
AWS在公告中直接点出了具体场景：agentic AI、科学发现、企业自动化和物理AI。企业从AI试验阶段进入生产部署阶段，意味着算力消耗从训练端的“一次性巨量投入”变成了推理端的“持续流量消耗”。后者更可怕，因为它没有尽头。当AI自主智能体开始7×24小时地运行，每一次推理调用都在燃烧GPU算力，这个消耗曲线是指数级的——与用户的活跃度成正比，与业务的扩张速度同步。
这也是为什么AWS在GTC 2026刚承诺了100万颗GPU，仅5个月后就不得不追加到200万颗。不是AWS想买，是客户的算力账单在说话。
英伟达的代际加速器
此次部署涉及的GPU架构，代表了英伟达有史以来最激进的代际迭代节奏。
Blackwell Ultra是Blackwell系列的最终增强版；Rubin是英伟达下一代架构，以暗物质发现者Vera Rubin命名，其CPU也被命名为Vera；Rubin Ultra则是Rubin的旗舰版。英伟达正在将GPU架构更新周期从传统的两年一更压缩到几乎每年都有重大迭代。当你的GPU供不应求到客户愿意提前两三年下单，你就有底气把产品路线图踩到底。
一个耐人寻味的细节：NVIDIA Vera CPU将落地AWS。英伟达正在从一家GPU公司向“全栈计算公司”转型，而AWS对Vera CPU的接纳，意味着即便是自研芯片最坚决的云厂商，也认可英伟达在CPU端的竞争力。同时，AWS还推出了搭载NVIDIA RTX PRO 4500 Blackwell Server Edition GPU的G7实例——AI推理性能相比上一代G6提升4.6倍，AWS也是首家提供该实例的主流云厂商。
英伟达不再只是想卖给你GPU。它想卖给你整个计算堆栈——从CPU到GPU，从网络到软件。AWS的这笔订单，从某种意义上说，也是在为英伟达的“全栈野心”投下的一张信任票。
左脚英伟达，右脚Trainium
理解AWS这笔订单的真正分量，需要看清三张牌桌的交织。
第一张牌桌：英伟达GPU vs. 自研Trainium。AWS的Trainium2已在2025年底大规模部署，Trainium3正在路上。AWS在英伟达GPU上的投入越深，其自研芯片的压力就越大——如果Trainium不能证明足够强的性价比，客户凭什么从英伟达迁移过来？反过来，如果Trainium真的成熟了，AWS今天这200万颗GPU的订单又该如何消化？
第二张牌桌：AWS vs. Azure vs. Google Cloud。微软Azure深度绑定OpenAI，同时自研Maia芯片。Google Cloud有TPU v5+，也在引入英伟达GPU。三大云巨头在算力上的军备竞赛已经白热化。AWS选择用“最大规模英伟达GPU+最坚决自研芯片”的组合拳，实质上是想在所有技术路线上都占据制高点——让客户在AWS上找到一切，而在竞争对手那里只能找到部分。
第三张牌桌：商业客户 vs. 政府订单。为美国政府建设AI工厂、部署10万颗GPU、安全等级IL6以上——这标志着AI算力正在从商业基础设施升级为国家基础设施。当国家安全需求成为算力采购的第二驱动力，GPU不再只是商品，而是战略资源。AWS和英伟达在这个时间节点加码，既是押注市场趋势，也是抢占政府订单的先机。
还有一个有趣的细节：AWS是Anthropic的最大投资者之一（2024年投资40亿美元），而Anthropic正是英伟达GPU的超级大买家。这就形成了一个复杂的回路：亚马逊投资Anthropic → Anthropic用英伟达GPU → AWS卖英伟达GPU服务给Anthropic → AWS同时用自己的Trainium服务其他客户。在这个回路里，AWS既是英伟达最大的客户，也是英伟达最有力的潜在替代者。
这就是Matt Garman所谓“客户选择的自由”的另一种解读：AWS不是在英伟达和Trainium之间二选一，而是通过同时拥有两者，让自己成为那个不需要客户做选择的平台。
谁在受益，谁在危险区
这笔交易的受益方是明确的。
英伟达在自研芯片浪潮中锁定了最大云客户的一张最长订单。未来三年的200万颗GPU承诺，相当于给英伟达的营收增长上了一道保险——即便其他云厂商的自研芯片大举铺开，AWS的这笔订单也足以支撑英伟达的数据中心收入基本盘。
AWS则以最灵活的平台策略覆盖了从高端训练到边缘推理的全场景需求，同时在自研芯片上保留了“随时切换”的选项。这不是All in，这是Hedge Fund式的风险对冲。
客户是最大的赢家。不需要在GPU和Trainium之间做非此即彼的选择。在AWS上，你既可以租到Blackwell Ultra跑训练，也可以用Trainium跑推理，还可以用Vera CPU做数据预处理——一张账单，一个控制台，全部搞定。
危险的一面同样真实。这200万颗GPU的规模效应将进一步拉大AWS与其他云厂商的差距。对于中小云厂商来说，这不是追赶，这是看着差距变成鸿沟。
AMD和Intel等GPU竞争者则需要重新审视市场格局。AWS的这笔订单进一步加固了英伟达在云端GPU市场的主导地位。即使Trainium不断进步，AWS对英伟达的大规模投入也在告诉市场：至少在高端训练侧，英伟达的距离不是靠一两个追赶者就能消除的。
算力战争的新规则
AWS的战略本质上是一种“不对称的双保险”：表面上最大规模投入英伟达生态，实际上保留了自研芯片的退路。这既是在赌英伟达的领先地位会持续，也是在赌——即便英伟达有一天失去统治力，AWS也能用自己的芯片无缝接替。
这场算力竞赛的胜负手，已不再是单纯比拼GPU的性能参数。当全球排名前三的云厂商都在同时押注“英伟达+自研”两条路线，决定最终格局的将是两个更核心的变量：谁的生态切换成本最低，谁的平台锁定能力最强。在这两个维度上，AWS用自己的平台覆盖了英伟达的天花板——让客户在英伟达里跑得最快，在Trainium上花得最少。
当全球最大的云计算平台同时押注英伟达和挑战英伟达，这场算力战争的真正赢家，从来不是GPU的卖铲人，而是那个让所有人——包括自己的对手——都不愿离开的生态本身。
快报