Amazon en Nvidia versterken strategische AI-partnerschap

Amazon en Nvidia hebben hun partnerschap uitgebouwd tot wat veel weg heeft van een strategische alliantie. De twee bedrijven kondigden deze week aan dat AWS twee miljoen extra Nvidia-GPU's aan zijn datacenters toevoegt. Daarmee onderstrepen ze hoe nauw de schaal van clouddiensten en de vraag naar AI-accelerators met elkaar verweven zijn.

Het gaat niet om gewone grafische chips. De bestelling omvat Nvidia's nieuwste AI-accelerators, waaronder Blackwell Ultra en de Rubin- en Rubin Ultra-varianten. Die zijn specifiek ontworpen voor het zware werk van het trainen en draaien van grote AI-modellen. De leveringen staan gepland voor 2027 en 2028, waardoor AWS ruim de tijd heeft om zijn AI-infrastructuur uit te breiden naarmate workloads veeleisender worden.

De timing is veelzeggend. Nvidia maakte de update bekend tijdens zijn kwartaalconferentie, nog geen vijf maanden nadat Amazon had ingestemd met de inzet van meer dan een miljoen Nvidia-chips vanaf dit jaar. Sindsdien zegt Nvidia dat de vraag de interne prognoses ruimschoots heeft overtroffen. Over de dollarbedragen van deze nieuwste aankoop wordt publiekelijk niet gesproken. Analisten schatten echter, gezien de prijs per high-end GPU, dat de deal tientallen miljarden dollars waard is.

Waar komt die honger vandaan? Simpel: een golf aan rekenintensieve workloads. Startups die strijden om foundation models te bouwen. Bedrijven die pilotprojecten naar productie brengen. AI-onderzoeksinstituten die modelgroottes en trainingscycli opschalen. Zelfs overheden die maatwerk-AI-systemen nodig hebben. Al deze partijen verbruiken GPU-capaciteit in ongekende hoeveelheden.

Amazon laat zijn eigen siliconstrategie echter niet varen. AWS blijft eigen chips ontwikkelen en promoten: Trainium voor deep-learningtraining en Graviton voor CPU-workloads op basis van de Arm-architectuur. AWS heeft zelfs de bereidheid getoond om Trainium aan derden te verkopen, waarmee het zich positioneert als directe concurrent van Nvidia's trainingshardware. Tegelijkertijd zegt Amazon dat zijn custom-chipbusiness snel groeit. Het bedrijf rapporteerde in de laatste update een geannualiseerde omzetrun-rate van ongeveer 25 miljard dollar, ondersteund door toezeggingen die het omschrijft als in totaal circa 225 miljard dollar van klanten zoals Anthropic en OpenAI.

Waarom zou Amazon dan miljoenen Nvidia-GPU's kopen als het ook eigen chips heeft? Omdat schaal en specialisatie elkaar niet uitsluiten. Trainium en Graviton zijn geoptimaliseerd voor bepaalde workloads en bieden kostenvoordelen. Nvidia's GPU's blijven de industriestandaard voor de meest rekenintensieve modelklassen. Kortom: diversifieer de stack en gebruik voor elke taak het juiste gereedschap.

De deal gaat bovendien verder dan alleen cloudcomputing. Amazon wil Nvidia's physical-AI-ecosysteem integreren in zijn magazijnen en zakelijke aanbod, van het Omniverse-simulatieplatform tot robotica-middleware Isaac en Jetson-edgecomputermodules. Aan de software- en modelkant gaan AWS-diensten als Bedrock en SageMaker Nvidia's opensource-modelfamilie Nemotron hosten. Daardoor wordt het voor klanten eenvoudiger om grote modellen binnen AWS-omgevingen te implementeren.

Achter deze stap schuilt een operationele logica. Robotica-platforms en -vloten hebben nauw geïntegreerde simulatie, perceptiemodellen en edge-accelerators nodig. Bedrijven willen vooraf geïntegreerde modelstacks die betrouwbaar op cloudinfrastructuur draaien. Door de schaal en het marktbereik van AWS te combineren met Nvidia's ecosysteem van modellen en accelerators, versnellen beide bedrijven de adoptie in sectoren die nog maar net beginnen te ontdekken wat moderne AI kan betekenen.

De deal laat ook zien hoe competitief en onderling afhankelijk de AI-hardwaremarkt is geworden. Chipontwerp, softwaretoolchains, modelcatalogi en datacenteroperaties zijn allemaal met elkaar verbonden. Grote cloudproviders kunnen eigen chips ontwikkelen, maar blijven afhankelijk van gespecialiseerde accelerators en de software-ecosystemen die daarbij horen. Voor klanten betekent dat meer keuze, maar ook meer complexiteit bij de vraag waar en hoe dure AI-workloads moeten draaien.

Verwacht de komende jaren meer gelaagde samenwerkingen als deze: strategische aankopen om capaciteit veilig te stellen, ecosysteemafspraken voor integratie en productroadmaps die risico's afdekken tegen een veranderende vraag. Voor wie volgt waar AI-infrastructuur naartoe gaat, is de boodschap duidelijk: het tijdperk van commodity-compute is voorbij. De race draait nu om schaal op maat, en zowel AWS als Nvidia zetten daarbij zeer hoog in.