Amazon versucht, eine KI-Chip-Alternative aufzubauen, aber der nächste große Infrastrukturschritt zeigt, wie fest Nvidia weiterhin die Schlüssel zum Computerboom in der Hand hält.

Fünf Monate nachdem sich das Unternehmen verpflichtet hatte, mehr als 1 Million Nvidia-GPUs auf AWS bereitzustellen, erklärten Amazon und Nvidia, dass sie 2027 und 2028 weitere 2 Millionen Chips in Amazon-Rechenzentren hinzufügen würden. Der erweiterte Plan bringt die geplante Nvidia-Flotte von AWS auf über 3 Millionen GPUs, nachdem die Nachfrage „diese Erwartungen übertroffen“ hat.¹

Die neue Kapazität wird Nvidias Blackwell Ultra-, Rubin- und Rubin Ultra-GPUs umfassen, die auf die enormen Workloads ausgelegt sind, die für das Trainieren und Ausführen von KI-Modellen erforderlich sind. Die Unternehmen führen den Anstieg auf Kunden zurück, die von Start-ups über Großunternehmen und KI-Labore bis hin zu Regierungen reichen – ein breit gefächertes Interesse, das mehr Rechenleistung zur unmittelbaren Priorität gemacht hat.

Das Ausmaß des Auftrags erinnert auch an die Spannungen innerhalb von Amazons KI-Strategie. AWS entwickelt Trainium-Chips als Alternative für Deep-Learning-Aufgaben und hat seine Graviton-Prozessoren vorangetrieben, um sowohl die Abhängigkeit von Nvidia zu verringern als auch eine größere Rolle im Halbleitermarkt einzunehmen. Sein Geschäft mit kundenspezifischen Chips hat laut der umfassenderen Darstellung der Unternehmen zur Expansion eine annualisierte Umsatzrate von 25 Milliarden US-Dollar erreicht.¹

Doch es handelt sich nicht nur um den Kauf zusätzlicher Beschleuniger. Amazon plant, Nvidias Vera-CPUs zu AWS zu bringen, während Nvidias Netzwerk-, Software-, Open-Model- und Robotik-Technologien sich über die Infrastruktur des Cloud-Anbieters ausbreiten sollen. Ein weiterer Bericht brachte die Veränderung unverblümt auf den Punkt: Amazon fügt 2 Millionen GPUs zu den bereits geplanten 1 Million hinzu, während die Partnerschaft auch Vera-CPUs zu AWS bringt.²

Nvidia stellt die Ausgaben als Reaktion darauf dar, dass KI kommerziell produktiv wird. „Wenn wir mehr Compute hätten, könnten wir mehr profitable Tokens generieren“, sagte CEO Jensen Huang und argumentierte, dass zusätzliche Kapazität die Renditen für KI-Dienste speisen werde.¹ Investoren werden allerdings prüfen müssen, ob die enormen Infrastrukturkosten der Branche genauso schnell Gewinne liefern, wie ihre GPU-Bestellungen wachsen.