8 月 26 日，亚马逊云科技与英伟达共同宣布，双方将进一步扩展合作，计划在 AWS 全球基础设施中额外部署 200 万颗英伟达 GPU。这一数字距离双方五个月前宣布的 100 万颗芯片协议，仅仅过去不到半年，新增规模就达到此前的两倍。从 100 万到 200 万，数字翻倍的背后，是全球生成式 AI 对算力需求的持续膨胀，也是云厂商之间算力军备竞赛不断升级的缩影。 根据双方披露的信息，新增的 200 万颗 GPU 将采取多年度分批部署的方式，覆盖 2027 至 2028 年，采用英伟达新一代 Blackwell Ultra、Rubin、Rubin Ultra 处理器，并同步引入 Vera CPU。双方还将在 AI 工厂、CPU 设计、网络技术、开放模型、数据处理以及机器人技术等多个领域深化合作，共同打造面向客户的端到端 AI 解决方案。这意味着，AWS 不仅是在采购更多芯片，更是在与英伟达围绕下一代 AI 基础设施的芯片、网络、软件与模型生态进行全方位绑定，从单一买卖关系升级为深度协同的共建关系。 把 200 万颗芯片放在更长时间尺度上看，规模更为惊人。英伟达预计其下一财年营收增长约为 70%，这一数字背后是 AI 算力需求仍然处于高位。标普全球评级则在 8 月 27 日的报告中预计，Alphabet、亚马逊、微软、Meta 等六大云服务商的 AI 基础设施资本支出到 2027 年将超过 1.3 万亿美元，2026 与 2027 年均将出现负自由经营现金流，直至 2029 年才有望恢复。换句话说，云巨头们正在用牺牲短期现金流的方式，为 AI 时代的算力版图提前下注，且押注的规模还在不断加码。 对 AWS 而言，锁定英伟达最新一代芯片，意味着它能够在模型训练与推理两个环节保持竞争力，抵御微软、谷歌等竞争对手在自研芯片与超大规模算力集群上的攻势。对英伟达而言，AWS 是其最重要的云渠道之一，200 万颗 GPU 的订单不仅带来确定性收入，更巩固了其 GPU 在云端市场的统治地位，同时也对冲了头部大厂自研芯片带来的替代风险。双方的合作从单纯的芯片买卖，演变为覆盖网络、软件、开放模型与机器人技术的深度协同，本质上是把 AI 基础设施的护城河挖得更深，让后来者更难追赶。 这场军备竞赛的另一个看点是竞争者的跟进节奏。英伟达的产能与订单分配，将直接影响各家云厂商的供给，谁的芯片拿得多、拿得早，谁就能在模型训练与推理服务上获得先发优势。可以预见，在 Blackwell Ultra 与 Rubin 世代，头部云厂商之间的差距可能进一步拉开，而中小云服务商的生存空间则会被进一步压缩。算力正在从一种可选资源，变成决定 AI 业务起跑线的战略性资源。 值得注意的还有双方在开放模型与机器人技术领域的合作。AWS 与英伟达同时押注开放模型生态，意味着未来云上的模型供给会更加多元，开发者可以选择的开源模型会越来越多，有利于降低对单一闭源模型的依赖。而机器人技术被纳入合作范围，则预示着 AI 基础设施的竞争正在从数据中心延伸到物理世界，算力不再是只服务于聊天与生图，而是成为驱动具身智能落地的基础动力。 对一人公司而言，这场巨头之间的军备竞赛既是机遇也是提醒。机遇在于，算力供给的快速扩张将推动 AI 推理与训练成本持续下探，创业者可以用更低的价格调用更强的基础模型，过去只有大公司才能负担的实验性项目，如今在一台笔记本加几个 API 调用之间就能完成原型验证。200 万颗 GPU 带来的不只是算力数字，更是围绕算力展开的生态繁荣，包括更便宜的模型、更成熟的工具链以及更丰富的行业解决方案，这些都是一人公司可以直接借力的公共基础设施。 提醒则在于，当基础设施的军备竞赛进入白热化，真正稀缺的将不再是算力本身，而是把算力转化为具体业务价值的能力。一人公司没有资本参与芯片与数据中心的竞争，但可以把精力放在场景洞察、数据积累与用户体验上，借助云厂商已经准备好的基础设施，在垂直领域建立自己的壁垒。巨头负责修路，创业者负责跑车，谁更懂用户，谁就能在算力供给日益充沛的时代里，把有限的资源花在刀刃上，分到属于自己的蛋糕。 从 100 万颗到 200 万颗，AWS 与英伟达的这次加码，再次确认了一个趋势：AI 基础设施的投入没有天花板，算力军备竞赛仍在加速。对于处在浪潮中的个体创业者来说，与其焦虑算力成本，不如思考如何在这场基础设施升级中，找到属于自己的位置，把巨头的投入变成自己的杠杆。
本文仅代表作者个人观点（仅供参考） 来源：创客OPC原创整理
