AWS 与英伟达扩大合作：2027-2028 额外部署 200 万颗 GPU，亚马逊盘后涨 4.71%

【新闻原文】 8 月 26 日美东时间，亚马逊云科技（AWS）与英伟达联合宣布扩大战略合作——双方将在 2027 至 2028 年间，在 AWS 全球基础设施中额外部署 200 万颗英伟达 GPU，涵盖 Blackwell Ultra、Rubin 与 Rubin Ultra 三代芯片架构。加上 2026 年 3 月 GTC 大会上承诺的 100 万颗 GPU，AWS 部署英伟达 GPU 的总规模将超过 300 万颗。 合作内容同时延伸到 CPU、网络、开放模型、AI 工厂、数据处理和机器人技术等领域。AWS 将成为首批部署英伟达 Vera CPU 的云厂商，Vera 专为 Agentic AI 与强化学习场景设计，覆盖代码执行、工具调用、沙箱运行、数据管道和任务编排；英伟达同步推出 NVHBM 高带宽内存与 NVLink Fusion 高速互联技术，AWS 自研 Trainium 芯片将与英伟达 GPU 在同一机柜内协同扩展。 资本市场上，亚马逊股价盘后上涨约 4.71%，英伟达盘后涨幅一度扩大到 4.71% 以上。值得注意的是，英伟达同步发布的 2026 财年第二季度业绩——营收 962.21 亿美元同比增长 106%，数据中心收入 890.23 亿美元同比增长 117%，并首次给出 2028 财年增长约 70% 的远期指引。AWS 此次大规模采购被市场解读为"对黄仁勋算力叙事的最强背书"。 【企服观察】 AWS 与英伟达这 200 万颗 GPU 大单，不是普通的供应链采购，而是算力时代三大趋势同时落地：超大客户开始"长周期算力锁定"、云厂商走"自研芯片 + 第三方芯片"双轮路线、AI 算力市场从"卖芯片"升级为"卖算力即服务"。 **第一个关键信号——"算力即收入"的逻辑闭环** 黄仁勋在财报电话会上有一句关键判断："真正限制英伟达增长的，不是客户需求，而是供应链产能。"这背后是 AI 算力供需的结构性失衡——需求侧企业级 AI 应用持续爆发，供给侧先进制程产能、HBM 内存、CoWoS 封装三项瓶颈同时受限。AWS 这 200 万颗 GPU 订单等于提前 12-24 个月锁定了英伟达未来两年的供给配额，这是"算力即收入"逻辑的极致体现：谁能更早锁定更多算力，谁就在未来两年的 AI 营收上占据先机。 对企业 IT 采购而言，这意味着 AI 算力的"期货化"已经到来——头部云厂商开始按 1-2 年周期采购和预留算力，中小企业未来能买到的"现货"算力会越来越紧张。建议国内企业从 2026 年底开始就把"AI 算力预算"和"AI 应用预算"分两个科目管理，避免临时扩量时无算力可用。 **第二个关键信号——"自研芯片 + 第三方芯片"的双轮策略** AWS 没有因为采购英伟达 200 万颗 GPU 而弱化自研 Trainium，反而借这次合作把 Trainium 推上新台阶——NVLink Fusion 让 Trainium 和英伟达 GPU 可以在同一机柜内统一编排，NVHBM 让 Trainium 享受到英伟达定制 HBM 的能效优势。这种"自研不排他、合作不独占"的双轮策略，是云厂商应对算力成本压力的最优解。 这条路径对中国云厂商有直接借鉴价值：阿里云（倚天/玄铁）、腾讯云（自研推理芯片）、华为云（昇腾）完全可以走"自研芯片 + 英伟达/AMD 第三方芯片"的双轨制。一方面用自研芯片守住成本底线，另一方面用第三方芯片满足高端客户的最新需求。纯粹"自研取代"或"完全依赖第三方"都是极端策略，会在算力军备竞赛中处于被动。 **第四个关键信号——"Vera CPU 进云"意味着 Agentic AI 算力结构改变** 这次合作一个容易被忽视的细节是 AWS 引入英伟达 Vera CPU。Vera 专为 Agentic AI 后端任务设计——代码执行、工具调用、沙箱运行、数据管道编排都是典型的 Agentic 负载。这意味着 AI 算力的"CPU:GPU 配比"正在从传统的"1:8"向"1:1 甚至 1:0.5"倾斜，因为 Agent 每一步推理都需要 CPU 做大量逻辑处理和 IO 调度。 对企业 IT 架构师而言，这是必须重新评估的算力规划假设。过去两年大量企业按"GPU 越多越好"的逻辑采购 A100/H100 集群，结果发现 Agentic 场景下 CPU 与内存成为瓶颈；2027 年新建 AI 数据中心时，应该重新评估 CPU、内存、存储、配电、冷却的均衡配比，Vera 这类专用 CPU 会成为新的关键算力类型。 **给中国企服采购者的三条具体建议** 第一条，**算力采购从"按年扩容"转向"按 2-3 年长协"**。AWS 与英伟达这次锁定 2027-2028 年算力的模式会成为行业新常态。建议国内大客户（互联网、金融、智能制造）从 2027 年预算开始，把"AI 算力长协"作为正式采购模式，对应云厂商需要承诺 2-3 年的供给保障、价格锁定、扩容灵活性。 第二条，**优先选择"自研 + 第三方"双轮布局的云厂商**。阿里云、华为云、腾讯云目前都在做自研 AI 芯片，但生态成熟度差异大。建议采购方优先评估"云厂商自研芯片在 Agentic AI 场景的实际可用性"——能跑通真实业务负载、配套工具链完善、价格合理的方案才是真可用。 第三条，**关注 Agentic AI 场景的 CPU 与内存升级**。2027 年 Agent 会成为企业 IT 系统的"标配调用方"，传统的 CPU 8 核 16 核配置会迅速过时。建议从 2026 年底开始把"高主频 CPU + 大内存 + NVMe 存储"作为 AI 应用服务器标配，单台服务器 CPU 配置从 16 核升级到 32-64 核，内存从 128GB 升级到 512GB 以上。 **对资本市场的更深影响** 亚马逊盘后涨 4.71%、英伟达盘后涨幅一度扩大，这一资本市场反应揭示了一个重要事实：算力大单已经从"供应链新闻"变成"AI 公司估值核心变量"。英伟达 2028 财年 70% 增长指引背后，是 AWS、微软、Meta、Google、Oracle 等超大型客户的多年长期承诺。换句话说，未来 3 年 AI 公司的估值不再只看"模型能力排名"，而是"算力储备深度"。 对中国 AI 大模型公司而言，这意味着估值模型必须从"参数规模 + 跑分榜单"转向"算力储备 + 商业化收入"。字节、阿里、智谱、月之暗面、DeepSeek 等头部国产 AI 公司，2027 年的核心任务是证明"我既有顶级模型，又有 5-10 年级别的算力储备"，而不是单纯刷跑分。这一变化会让中国 AI 行业的"算力基础设施供应商"（如商汤大装置、阿里云灵骏、火山引擎机器学习平台）成为新的估值焦点。