AWS och Nvidia satsar stort på AI-GPU:er och infrastruktur

Amazon och Nvidia har fördjupat sitt partnerskap till något som liknar en strategisk allians. Företagen meddelade denna vecka att AWS ska installera ytterligare två miljoner Nvidia-GPU:er i sina datacenter, ett drag som understryker hur molnskala och efterfrågan på acceleratorer har blivit tätt sammanflätade.

Det handlar inte om vanliga grafikchip. Beställningen omfattar Nvidias senaste AI-acceleratorer, Blackwell Ultra samt varianter av Rubin och Rubin Ultra, särskilt utvecklade för det krävande arbetet med att träna och köra stora AI-modeller. Leveranserna är planerade till 2027 och 2028, vilket ger AWS gott om tid att bygga ut sin AI-infrastruktur i takt med att arbetsbelastningarna blir allt mer krävande.

Tidpunkten är betydelsefull. Nvidia presenterade uppdateringen under sitt kvartalsresultatsamtal, knappt fem månader efter att Amazon gick med på att ta i drift över en miljon av företagets chip med start i år. Sedan dess uppger Nvidia att efterfrågan har överträffat de interna prognoserna med god marginal. Ingen av parterna redovisar någon offentlig prislapp för det senaste köpet. Med tanke på styckepriset för högpresterande GPU:er uppskattar branschen ändå affären till tiotals miljarder dollar.

Vad driver efterfrågan? Enkelt uttryckt en våg av beräkningsintensiva arbetsbelastningar: startupbolag som tävlar om att bygga grundmodeller, företag som går från pilotprojekt till produktion och AI-forskningslabb som pressar modellstorlekar och träningscykler. Även regeringar behöver skräddarsydda AI-system. Alla tar GPU-kapacitet i anspråk i en aldrig tidigare skådad takt.

Amazon överger dock inte sina egna chipssatsningar. AWS fortsätter att utveckla och marknadsföra sina skräddarsydda chip: Trainium för träning av djupa neurala nätverk och Graviton för CPU-arbetsbelastningar baserade på Arm-arkitekturen. AWS har till och med signalerat att man är villig att erbjuda Trainium till tredje parter, vilket positionerar chipet som en direkt konkurrent till Nvidias träningshårdvara. Samtidigt uppger Amazon att verksamheten för egna chip växer snabbt. I sin senaste uppdatering rapporterade företaget en annualiserad intäktstakt på omkring 25 miljarder dollar, stöttad av kundåtaganden på sammanlagt cirka 225 miljarder dollar från bland andra Anthropic och OpenAI.

Varför köpa miljontals Nvidia-GPU:er om Amazon har egna chip? Därför att skala och specialisering inte utesluter varandra. Trainium och Graviton är optimerade för vissa arbetsbelastningar och ger kostnadseffektivitet. Nvidias GPU:er är fortfarande branschstandard för de bredaste och mest beräkningsintensiva modellklasserna. Kort sagt: diversifiera stacken och använd rätt verktyg för varje uppgift.

Affären sträcker sig också bortom ren molnberäkning. Amazon planerar att integrera Nvidias ekosystem för fysisk AI i sina lager och företagsprodukter, från simuleringsplattformen Omniverse till robotmellanprogramvaran Isaac och Jetson-moduler för edge-beräkning. På mjukvaru- och modellsidan ska AWS-tjänster som Bedrock och SageMaker erbjuda Nvidias öppna modellfamilj Nemotron, vilket gör det enklare för kunder att driftsätta stora modeller i AWS-miljöer.

Det finns en operativ logik i satsningen. Robotflottor behöver tätt integrerade simuleringar, perceptionsmodeller och edge-acceleratorer. Företag vill ha förintegrerade modellstackar som körs tillförlitligt i molninfrastruktur. Genom att kombinera AWS skala och marknadsräckvidd med Nvidias ekosystem av modeller och acceleratorer påskyndar företagen användningen i branscher som bara har börjat utnyttja vad modern AI kan åstadkomma.

Affären visar också hur konkurrensutsatt och ömsesidigt beroende marknaden för AI-hårdvara har blivit. Chiptillverkning, mjukvaruverktyg, modellkataloger och datacenterdrift är tätt sammankopplade. Stora molnleverantörer kan utveckla egna chip, men är fortfarande beroende av specialiserade acceleratorer och de mjukvaruekosystem som stöder dem. För kunderna innebär det fler valmöjligheter – men också mer komplexa beslut om var och hur kostsamma AI-arbetsbelastningar ska köras.

Räkna med fler flerskiktade partnerskap av det här slaget framöver: strategiska inköp som säkrar kapacitet, ekosystemavtal som ger integration och produktvägkartor som skyddar mot förändrad efterfrågan. För den som följer AI-infrastrukturens utveckling är budskapet tydligt: epoken med standardiserad beräkning är över. Kapplöpningen handlar nu om skräddarsydd skala, och både AWS och Nvidia satsar mycket stort.