核心事件：亚马逊三倍增购英伟达 GPU，合作范围全面扩展
Amazon Web Services (AWS) 与英伟达于 2026 年 8 月 26 日宣布深化且扩大的战略合作伙伴关系，核心内容包括：
- 新增 200 万块英伟达 GPU：将在 2027 年与 2028 年分批部署至 AWS 数据中心
- GPU 型号：包含 Blackwell Ultra、Rubin 与 Rubin Ultra，Rubin 系列已在当季开始出货
- 合作范围扩展：首次整合英伟达 CPU（Vera）、完整物理 AI 栈、数据中心网络硬件、开源模型及数据处理软件
- 部署时间窗口：新增 GPU 与 Vera CPU 已同步启动供货，部分客户如甲骨文与 SpaceXPilots 已接入
值得注意的是，此次宣布距亚马逊上一次宣布部署超百万 GPU 仅相隔五个月——英伟达明确指出，“需求已超出此前预期”，直接推动订单规模三倍跃升。
订单细节与技术整合：从 GPU 到全栈物理 AI
本次 200 万块 GPU 的增购，使亚马逊在两年内对英伟达 GPU 的承诺总量达到约 300 万块（含此前 100 万块），按单颗 GPU 估算价值达数十亿美元量级（具体金额未披露）。AWS 截至目前尚未对外透露整体采购成本结构。
除 GPU 外，英伟达将于同期向 AWS 部署 unspecified 数量的 Vera CPU，其中部分与 Rubin GPU 集成，部分为独立部署。Vera 是英伟达 CEO 黄仁勋于 2026 年 5 月提出的全新 CPU 产品线，被其定位为带来约 2000 亿美元新增潜在市场（TAM）的战略品类。
更广泛的技术整合亦同步推进：
- 英伟达的** networking 硬件**将用于连接成千上万 GPU 构成大型训练集群
- B tokOps 软件栈、Open Models（含 Nemotron 系列） 将通过 AWS Bedrock 与 SageMaker 向客户开放
- 物理 AI 全栈正式接入亚马逊仓储机器人：涵盖 Omniverse（仿真与数字孪生）、Cosmos（世界模型）、Isaac（机器人开发平台）、Jetson（边缘计算硬件）
值得一提的是，英伟达 CFO Colette Kress 在财报会上指出，Vera CPU 的验证客户除 AWS 外，还包括甲骨文、SpaceXAI 等主要超大规模客户与系统厂商，“出货已全面启动”。
反差与竞合：亚马逊自研芯片反成英伟达新客户
本文最富张力的反差点在于：亚马逊一面激增英伟达采购，一面同步推进自有芯片的商业化。
据公开信息：
- 亚马逊自研 AI 芯片 Trainium 已定位为 H100 / Blackwell 的直接替代方案，支持深度学习训练与推理
- Arm 架构 Graviton CPU 已构成对 Intel 与 AMD 通用服务器芯片的挑战
- 亚马逊 custom chip 业务已形成 $250 亿美元年化营收节奏，其中 $2250 亿来自 Anthropic、OpenAI 等 AI 实验室的总体承诺
这种“双轨并行” strategy 既服务于供应链安全，亦增强 AWS 在芯片选型上的客户说服力——客户可自由选择 competition-driven 的自研方案或英伟达高性能方案。
然而，当 trio 产品线尚在市场扩张阶段，英伟达在季度财报中交出 $962 亿美元营收（其中数据中心业务占 $890 亿，同比大增 117%）；英伟达预期下季度收入达 $1080 亿美元，Rubin 系列首季销售将成为后续需求持续性的关键观察指标。
关键数据对比与行业承诺
| 类别 | 数值 | 备注 |
|---|---|---|
| 本次 GPU 增购量 | 200 万块 | 2027–2028 年交付 |
| 上轮 GPU 承诺量 | >100 万块 | 2026 年 3 月宣布 |
| 2026 Q2 总营收 | $96.2 亿美元 | 数据中心占 $89 亿 |
| 同比增速（数据中心） | +117% | 2025 Q2 基数为 $40.5 亿估算 |
| 下季度营收指引 | $108 亿美元 | 含 Rubin 首季贡献 |
| 英伟达总资本承诺 | $279 亿美元 | 较上季度 $119 亿显著提升 |
| Vera 预期 TAM | ~$2000 亿美元 | 黄仁勋 2026 年 5 月披露 |
英伟达资本承诺结构：
- 本财年剩余时间：$92 亿
- 2028 财年：$87 亿
- 主要用途：锁定内存与晶圆制造产能，支撑 AI 训练与推理算力长期需求
落地建议
- AI 实验室与大型模型团队：若追求最大训练吞吐与生态成熟度，可优先评估 Rub in Ultra + Blackwell Ultra 组合；若关注成本与定制性，Trainium 或 Graviton + 自研加速卡 may 更具性价比
- 中小开发团队：通过 AWS Bedrock 与 SageMaker 使用 Nemotron 系列开源模型，可跳过底层硬件适配环节，快速验证业务场景
写在最后
英伟达与 AWS 的持续捆绑，实质是 AI 公司对“端到端性能验证”的集体选择——算力本身已不再稀缺，能否稳定产出可盈利的 token，才是下一阶段分水岭。当黄仁勋宣称“AI 正进入生产性阶段”，整个基础设施生态正从“能否运行”转向“多少成本下可盈利”。