当需求跑赢了所有预测：AWS+Nvidia宣布追加200万GPU，AI工厂时代正式开幕

每一次Jensen Huang在台上说「需求超出了我们的预期」，我都会重新想：他们对需求建模到底是用什么方法？

因为这次又发生了。

事件背景

2026年3月，AWS在GTC大会上宣布：从2026年起，将部署超过100万块Nvidia GPU。这已经是一个震惊市场的数字。

然后，仅仅六个月后，这个数字被追加了两倍。

本周，AWS与Nvidia联合宣布：将在2027-2028年在全球基础设施中额外部署200万块Nvidia GPU，用于AI工厂、主权AI、代理AI和物理AI工作负载。

不是100万。是200万。

消息来自双方的最高层。AWS CEO Matt Garman表示：「客户需要在AI工作负载上选择最佳工具的自由，同时需要所有工具无缝协作的信心。」Nvidia CEO Jensen Huang则直接说：「需求超越了每一个预测。」

三个值得关注的细节

1. AI工厂：美国政府的100,000 GPU专属基础设施

在民用部署之外，这次扩张还包括一个特殊项目——为美国政府建造专属AI工厂，包括10万块GPU部署在AWS安全基础设施上。

这意味着什么？AI基础设施正在从「商业云服务」向「国家战略资源」转型。这与沙特、日本等主权AI工厂的逻辑相同，但由美国政府直接背书。

2. Vera CPU进入AWS：Nvidia不只卖GPU了

本次合作新增了NVIDIA Vera CPU在AWS上部署的计划——这是为代理AI（Agentic AI）专门设计的计算选项。

这个细节至关重要：当AI工作负载从「生成式推理」向「持续运行的代理任务」演进，专用CPU的需求会大幅上升。Vera的到来，标志着Nvidia从「GPU公司」向「AI全栈计算公司」的真实转型。

3. 互补，而非替代：Trainium与Nvidia并存

值得注意的是，AWS强调这次GPU扩张是对自研Trainium芯片的补充，而非竞争。

两种芯片面向不同工作负载：训练密集型任务（Trainium），以及需要Nvidia CUDA生态的推理/代理任务（GPU）。这种双轨策略，实际上是AWS对客户做出的架构承诺：你的AI不会被单一供应商锁定。

200万GPU意味着什么规模

让我们试着感受一下这个数字：

这个数字，相当于AWS 2025年全年利润的一半还多，全部砸进硬件。

当一家公司愿意以这种规模押注，它说明了两件事：

从16年合作到「AI时代最大增长引擎之一」

AWS与Nvidia的合作始于2010年，当时两者共同推出了世界第一个GPU加速云实例。那时的用例是科学计算和图形渲染，没有人预见到LLM。

现在，他们合作的范围扩展到：GPU、CPU、网络、开放模型（包括Llama系列）、数据处理、机器人与物理AI的端到端联合优化。

Huang的原话是：「For 16 years, we have scaled NVIDIA computing in the cloud together. Now we are expanding our partnership across the full stack.」

全栈扩张。这四个字，是理解这次声明的关键。

现在的AI基础设施格局

这次公告之后，主要云商的GPU部署竞赛大致如下：

竞争的轴不再只是算力密度，而是：谁能把算力最快交付给客户的AI代理工作负载。物理AI、多智能体、长程任务——这些都需要持续运行的基础设施，而不是偶发的批处理调用。

结语

有一个细节让我印象深刻：在公告里，AWS特别提到了两个客户案例——更快的药物发现，和更高效的欺诈检测。

这不是巧合。这是在向市场传递一个信号：算力不再是科技公司的专属游戏，它是整个经济的基础设施。

当「AI工厂」这个词出现在美国政府的IT预算中，当200万GPU的扩张可以被轻描淡写地称为「追加」，AI基础设施建设的速度已经超出了人类直觉的参照系。

Jensen Huang说需求跑赢了预测。我更愿意换一种方式理解：也许我们的预测从来就没有正确过。