Amazon Web Services (AWS) und NVIDIA gaben am 26. August 2026 die Erweiterung ihrer technischen Partnerschaft bekannt. Geplant ist, in den Jahren 2027 und 2028 zusätzlich zwei Millionen NVIDIA-Grafikprozessoren über die globale AWS-Infrastruktur bereitzustellen. Der Schritt umfasst Prozessoren, Netzwerke, offene Modelle, Datenverarbeitung und Robotik, anstatt die Zusammenarbeit auf die Bereitstellung von GPU-Cloud-Einheiten zu beschränken.
Der Plan folgt auf die Ankündigung von AWS auf der NVIDIA GTC 2026, mehr als eine Million GPUs ab 2026 hinzufügen zu wollen. Die beiden Unternehmen erklärten, die Nachfrage habe die bisherigen Erwartungen übertroffen. Die neue Kapazität soll für Workloads wie agentische künstliche Intelligenz, wissenschaftliche Entdeckungen, Unternehmensautomatisierung sowie physische KI und Robotik eingesetzt werden.
Größere Auswahl an Hardware für AWS-Kunden
AWS möchte die Auswahl an Rechenoptionen für Kunden offenhalten, indem NVIDIA-Einheiten mit von AWS entwickelten Trainium-Einheiten kombiniert werden oder beide Typen gemeinsam zum Einsatz kommen. Die Erweiterung umfasst auch die Arbeit an der Einführung einer auf NVIDIA-Vera-Prozessoren basierenden Architektur bei AWS, um leistungsstarke CPU-Kapazität für Workloads mit agentischer künstlicher Intelligenz und bestärkendem Lernen bereitzustellen.
Vera zielt auf Aufgaben wie Codeausführung, Tool-Nutzung, den Betrieb isolierter Umgebungen, Analysen, Datenpipelines und die Koordination zwischen Systemkomponenten. Der Prozessor kann den Angaben der beiden Unternehmen zufolge als Host-Einheit für beschleunigte Systeme oder als eigenständiger Prozessor innerhalb von KI-Fabriken eingesetzt werden.
Trainium mit NVIDIA-Technologien verbinden
Die Zusammenarbeit umfasst außerdem die Unterstützung der NVLink-Fusion-Technologie für die Hochgeschwindigkeitsverbindung zwischen Chips in künftigen Trainium-Generationen. Das zu Amazon gehörende Unternehmen Annapurna Labs wird mit NVIDIA an der kundenspezifischen High-Bandwidth-Memory-Technologie NVHBM arbeiten. Diese soll Trainium in Zusammenarbeit mit Speicheranbietern den Zugriff auf schnelleren und energieeffizienteren Speicher ermöglichen.
Die Kombination aus NVHBM und NVLink Fusion soll die Skalierbarkeit und Leistung bei KI-Workloads verbessern und Trainium sowie NVIDIA-Einheiten in einer gemeinsamen Architektur auf Rack-Ebene integrieren. Außerdem arbeiten die beiden Unternehmen an Netzwerktechnologien, die GPUs beim Training umfangreicher Modelle effizienter miteinander verbinden.
Eine maßgeschneiderte Infrastruktur für den öffentlichen Sektor
AWS und NVIDIA planen den Bau von KI-Fabriken für die US-Regierung. Diese sollen 100.000 GPUs auf der sicheren AWS-Architektur umfassen, um Workloads der nationalen Sicherheit und staatliche Aufgaben mit der Einstufung Impact Level 6 (IL6) und höher zu unterstützen. Die Ankündigung nennt für diesen Teil keinen gesonderten Zeitplan und keine Details zur betrieblichen Verteilung der Fabriken.
Was ändert sich praktisch?
Der Schritt zeigt, dass der Wettbewerb bei der Cloud-Infrastruktur für KI nicht nur von der Anzahl der GPUs abhängt, sondern von der Integration von Prozessoren, Speicher, Netzwerken, Software und Sicherheitsstufen. Kunden profitieren von mehreren Hardwareoptionen und einer tieferen Integration zwischen NVIDIA- und AWS-Komponenten. Die angekündigte Kapazität stellt jedoch eine künftige Verpflichtung und keine sofort verfügbare Kapazität dar.
AWS weist darauf hin, dass bestehende Integrationen derzeit GPU- und Trainium-basierte EC2-Instanzen innerhalb des AWS Nitro Systems, eine Verbindung über Elastic Fabric Adapter sowie Nemotron-Modelle auf Amazon Bedrock und Amazon SageMaker bereitstellen. Außerdem erklärt AWS, dass die GPU-beschleunigte Datenverarbeitung auf Amazon EMR eine bis zu 3,7-fache Verarbeitungsgeschwindigkeit bei Apache Spark und eine Verbesserung der Leistung pro Kosten von 30 % gegenüber den Vergleichskonfigurationen erreicht habe. Der beschleunigte Vektorindex auf Amazon OpenSearch Service ermöglichte eine bis zu neunmal schnellere Indizierung bei einem Viertel der Kosten der Vergleichskonfigurationen. Amazon Robotics nutzt Jetson-, Omniverse- und Isaac-Plattformen zur Entwicklung der Lagerautomatisierung.