AWS 与 NVIDIA 于 2026 年 8 月 26 日宣布扩大合作，计划在 2027 至 2028 年于 AWS 全球基础设施部署额外 200 万枚 NVIDIA GPU。这是面向未来的部署计划，不代表目前已经安装或可以即时租用的容量；公告同时把 Agentic AI 和 physical AI 放在同一个基础设施叙事中。
合作内容不只关于 GPU 数量。NVIDIA 表示会把 Vera CPU、NVLink Fusion 和 NVHBM 带到 AWS 的新一代系统，让 CPU、加速器、内存和互连一同设计。对于长时间运行的 Agent，瓶颈可能出现在模型推理之外：数据要搬几次、内存是否足够、网络能否保持低延迟，以及多个工具或子 Agent 是否要互相等待。全栈设计正是针对这些问题。
在模型和数据软件方面，公告提到 NVIDIA Nemotron 开放模型会在 Amazon Bedrock 和 SageMaker 提供，cuDF 和 cuVS 则会进入 Amazon EMR 和 OpenSearch。这些组合瞄准的不只是训练，而是让企业可以把检索、数据处理、推理和工作流放在同一个云平台上。对于 Agent 而言，数据索引和检索速度有时比再增加模型参数更直接影响完成工作的时间。
合作也包括 physical AI。NVIDIA 表示，AWS 的全球基础设施将支持机器人和其他实体系统使用其仿真、感知、训练和部署工具。两家公司另外计划在安全的 AWS 基础设施上提供 100,000 枚 GPU，服务美国联邦政府和国家安全工作，并以 IL6+ 的合规环境为目标。这些是未来计划和供应商发布内容，实际时间表、供应量、客户可用性和合规范围仍要等部署验证。
把 200 万枚 GPU 放在新闻标题中很吸引，但企业真正要问的不是数字本身，而是这些容量能否转化成可用工作。Agent workflow 还需要数据权限、工具安全、可观察性、版本化、成本控制和人工批准。对于实体 AI，还要加入仿真与真实世界之间的差距、设备故障、安全边界和现场延迟。单有更多算力不会自动解决这些运营问题。
同时，规模化基础设施会把电力、冷却、网络和供应链压力放大。NVIDIA 和 AWS 在公告中提出的性能、需求和市场效益属于公司说法或前瞻性陈述，不能当作已经实现的独立测量。市场需要观察的，是实际 GPU 上线速度、不同模型的利用率、每次成功任务的成本，以及企业能否在治理要求下持续使用。
这次合作的长期讯号，是 Agentic AI 正由模型服务竞争走向基础设施组合竞争：GPU、CPU、内存、互连、数据库、开放模型、云控制面和实体 AI 工具要一起运行。200 万枚 GPU 是一个非常大的供应承诺，但最后能否支持更可靠、更低延迟的 Agent 工作流，仍取决于整条软件栈在生产环境中的表现。
