關鍵數字：兩年內額外部署 200 萬顆輝達 GPU——這是 AWS 在今年 3 月宣布百萬顆計畫後的「規模翻倍」加碼。雲端龍頭一邊練自研晶片，一邊用史上最大規模的 GPU 採購告訴市場：AI 算力，永遠不夠用。
亞馬遜雲端運算服務（AWS）與輝達（NVIDIA）於 8 月 26 日正式宣布深化策略合作夥伴關係，計畫在未來兩年內，於 AWS 全球基礎設施中額外部署 200 萬顆輝達 GPU。這不是一個普通的擴建公告——它直接印證了業界長久以來的猜測：雲端巨頭的 AI 基礎設施投資不僅沒有放緩，反而正在以「超乎預期」的速度膨脹。
今年 3 月，AWS 才剛承諾「2026 年起部署 100 萬顆輝達 GPU」，當時市場已經認為那是極具企圖心的目標。沒想到半年不到，這個數字就被翻倍。雙方給出的理由很直接：市場對 AI 基礎設施的需求持續升溫，且遠超預期，先前的部署目標已經跟不上客戶的胃口。
📊 數據總覽
先看這張算力部署對照表，就知道這次加碼的規模有多驚人：AWS 從 2026 年起部署百萬顆的計畫，到 2026 至 2027 年間加碼至 200 萬顆，總部署規模成長 100%。這 200 萬顆涵蓋 Blackwell Ultra、Rubin 與 Rubin Ultra 等次世代 GPU，而針對美國政府高機敏需求，AWS 與輝達更聯手打造專屬 AI 工廠，額外部署 10 萬顆 GPU 於高安全性環境，支援聯邦與國安級任務。此外，AWS 也將導入 RTX PRO 4500 Blackwell Server Edition GPU，專供 Amazon EC2 G7 執行個體使用。
這個數字放在整個產業脈絡裡更嚇人。對比微軟、Google 等競爭對手的 GPU 部署規模，AWS 這次的加碼無疑把軍備競賽推向下一個層級。而且別忘了，AWS 可不是沒有自研晶片——Trainium 和 Inferentia 系列早就量產服役。在這種背景下還願意砸錢買輝達，背後只有一個原因：客戶就是指定要用輝達的生態系，AWS 沒有不買的本錢。
資料中心的「AI 工廠」新定義
這次部署的 GPU 陣容相當有意思。Blackwell Ultra、Rubin、Rubin Ultra——這些不是傳統意義上的「顯示卡」，而是專門為 AI 工廠（AI Factory）這類核心基礎設施設計的運算單元。所謂 AI 工廠，白話文來說就是「把資料中心變成 AI 的生產線」：原料是數據，產品是推理結果、模型訓練成果或自動化決策。
這些 GPU 要支撐的工作負載也很有代表性：代理式 AI（Agentic AI）、科學研究、企業自動化，以及實體 AI（Physical AI）。代理式 AI 是目前最被看好的下一波浪潮——AI 不只是聊天機器人，而是能自主規劃、執行任務的「數位員工」。說真的，如果你覺得 ChatGPT 已經夠厲害，那代理式 AI 的運算需求大概會讓你倒抽一口氣，而 AWS 這 200 萬顆，就是在為那個未來鋪路。
值得留意的是，AWS 還將進一步擴展 Blackwell 產品線，導入 RTX PRO 4500 Blackwell Server Edition GPU 供 Amazon EC2 G7 執行個體使用。這意味著不只是超大規模的 AI 訓練任務，企業級的虛擬化工作負載和專業視覺運算也會被納入這次的算力升級範圍。
不只是 GPU：Vera CPU、網路技術與開放模型的全面結盟
如果只看 GPU 數量，那可能忽略了一個更深層的訊號。AWS 和輝達的合作已經從「買晶片」升級到「共同打造運算架構」的層級。
這次的合作範圍全面延伸到輝達 Vera CPU、先進網路技術、開放模型、資料處理與機器人等多元領域。Vera CPU 是輝達針對資料中心設計的 Arm 架構處理器，直接對標英特爾 Xeon 和 AMD EPYC。AWS 身為全球最大的 Arm 伺服器供應商（Graviton 系列已佔據相當市佔），如今要導入輝達的 CPU——這不只是技術合作，更是生態系的話語權角力。
換個角度想：AWS 在 CPU 領域有自研的 Graviton，在 AI 訓練有自研的 Trainium，理論上可以完全擺脫對輝達的依賴。但它沒有這麼做。為什麼？因為客戶的 AI 工作負載已經深度綁定輝達的 CUDA 生態系，轉移成本高到連 AWS 都付不起。與其對抗，不如合作——而且是用 200 萬顆 GPU 的訂單來合作，這姿態夠清楚了。
編輯觀點：AWS 這次的加碼，表面上是算力擴充，本質上是一道「客戶需求」與「自研策略」之間的平衡難題。AWS 的自研晶片確實有競爭力，但在生成式 AI 這波浪潮中，輝達的 CUDA 生態系仍然是客戶指定率最高的選項。AWS 不可能放棄自研這條路，但更不可能讓客戶因為「買不到輝達」而轉投微軟 Azure 或 Google Cloud。這 200 萬顆 GPU 與其說是技術投資，不如說是「戰略護城河的維護費用」。對企業客戶來說，好消息是以後的 GPU 供貨會更穩定；對投資人來說，該注意的是 AWS 每買一顆輝達 GPU，就代表自研晶片的市佔被多侵蝕一分。
趨勢預測：AI 算力從「稀缺資源」走向「戰略物資」
這筆訂單還有一個細節值得抽出來談：AWS 與輝達將聯手為美國政府打造專屬 AI 工廠，在 AWS 的高安全性環境中部署 10 萬顆 GPU，支援聯邦與國安級別的關鍵任務。
這不是單純的政府標案。它標誌著 AI 算力正在被「國安化」——就像半導體製造被視為戰略物資一樣，大規模 GPU 算力集群也開始進入國家級基礎設施的清單。美國政府不自己建資料中心，而是直接「包下」AWS 的算力分區，這種模式如果成功，未來可能被複製到其他國家或區域。
從商業角度來看，AWS 這步棋也夠聰明。政府專屬 AI 工廠的合約通常是長期的、高利潤的，而且不受景氣循環影響。10 萬顆 GPU 的部署量雖然不到總數的 5%，但它的戰略意義和營收穩定性，絕對超越帳面數字。
對一般企業來說，這個趨勢代表什麼？代表未來兩年內，AWS 上的 GPU 算力供給會大幅增加，算力價格可望逐步下降。如果你是正在評估 AI 基礎建設的技術決策者，現在或許不是急著自己買伺服器的時候——AWS 這 200 萬顆 GPU 一上線，雲端算力的成本結構可能會出現明顯變化。
數據會說話。AWS 今年 3 月說要 100 萬顆，8 月就改成 200 萬顆，中間只隔了五個月。如果 AI 需求的成長速度維持這個曲線，2027 年之前我們很可能會看到第三次加碼。到時候，300 萬顆、甚至 400 萬顆的數字出現，我也不會太意外。
數據告訴我們什麼？
把這 200 萬顆 GPU 拆解成幾個關鍵訊號：第一，AI 基礎設施的投資週期比市場預期的更長、更猛。半年前大家還在討論「AI 泡沫會不會破」，現在 AWS 用訂單告訴你：泡沫或許有，但至少還有兩年的硬體建設潮撐著。
第二，雲端三強的算力軍備競賽正式進入「倍數成長」階段。AWS 喊 200 萬顆，微軟和 Google 不可能沒有對應計畫。接下來 12 個月，我們可能會看到更多百億美元等級的 GPU 採購公告。
第三，也是最重要的一點：對企業使用者來說，這是「等一下會更好」的時刻。AWS 的 200 萬顆 GPU 上線後，算力供給將大幅改善，價格競爭會重新點燃。如果你不是急到非現在不可，2026 下半年到 2027 年，會是採購 AI 算力的更甜時機。
最後，我想留一句話給正在讀這篇文章的你：AI 不會取代你的工作，但用 AI 比你順手的人可能會。AWS 的 200 萬顆 GPU 不會自己產出價值——真正創造價值的，是那些懂得運用這些算力的人。你準備好了嗎？
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
AWS 這次加碼的 200 萬顆 GPU 會在什麼時候完成部署？
預計在 2026 年至 2027 年間陸續完成部署，這是繼 2026 年起部署 100 萬顆計畫後的規模翻倍。
這 200 萬顆輝達 GPU 會用在哪些地方？
主要用於 AI 工廠、代理式 AI、科學研究、企業自動化與實體 AI 等高階工作負載，同時 AWS 也會導入 RTX PRO 4500 Blackwell Server Edition GPU 供 EC2 G7 使用。
AWS 同時發展自研晶片為什麼還要大量採購輝達 GPU？
因為客戶的 AI 工作負載深度綁定輝達 CUDA 生態系，轉移成本極高，AWS 必須同時兼顧客戶需求與自研策略之間的平衡。
美國政府的專屬 AI 工廠部署多少顆 GPU？
雙方將聯手在 AWS 高安全性環境中部署 10 萬顆 GPU，專供聯邦與國安級別關鍵任務使用。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
