AWS e NVIDIA raddoppiano: 2 milioni di GPU in più per l’AI agentica e fisica

La corsa all’intelligenza artificiale si gioca sempre più sulla potenza di calcolo, e l’ultimo annuncio lo dimostra in modo netto. Amazon Web Services e NVIDIA hanno deciso di espandere la loro collaborazione strategica con un numero che da solo racconta la portata del momento: due milioni di GPU aggiuntive da installare nell’infrastruttura globale di AWS.

Non è un semplice aggiornamento commerciale. È il segnale che la domanda di capacità per addestrare e far girare i modelli AI sta crescendo oltre ogni previsione.

Cosa hanno annunciato davvero AWS e NVIDIA

Le due aziende hanno presentato un’espansione della partnership che tocca l’intero stack dell’AI, dai chip fino al software. Il cuore dell’accordo è il piano di distribuire due milioni di GPU NVIDIA aggiuntive tra il 2027 e il 2028, sparse tra le regioni cloud di AWS in tutto il mondo.

Non si tratta di schede qualsiasi. Sono le architetture più recenti del produttore americano, cioè Blackwell Ultra, Rubin e Rubin Ultra.

Questo impegno non nasce dal nulla. A marzo 2026, durante la conferenza GTC, AWS aveva già annunciato l’intenzione di aggiungere oltre un milione di GPU NVIDIA a partire dallo stesso anno. Da allora, come si legge nel comunicato ufficiale di NVIDIA, la domanda dei clienti ha superato quelle stime, spingendo le due società a raddoppiare la posta.

Il fondatore e amministratore delegato di NVIDIA, Jensen Huang, ha riassunto lo spirito dell’operazione parlando di una domanda che “corre oltre ogni previsione”. Un modo per dire che il collo di bottiglia, oggi, non è la voglia di usare l’AI ma la capacità fisica di sostenerla.

La collaborazione tra le due aziende, vale la pena ricordarlo, dura da sedici anni.

Non solo GPU: CPU Vera, networking e memoria su misura

L’accordo va oltre le schede grafiche. AWS porterà sulla propria infrastruttura anche le nuove CPU Vera di NVIDIA, pensate per affiancare gli acceleratori nei carichi di lavoro agentici che richiedono molta potenza di calcolo tradizionale.

In parallelo, le due aziende estenderanno la tecnologia di interconnessione NVLink Fusion con una memoria ad alta banda personalizzata, la cosiddetta NVHBM, sviluppata insieme ai fornitori di memoria.

C’è un dettaglio interessante per chi segue la strategia dei chip proprietari. Grazie al lavoro degli Annapurna Labs di Amazon, questa memoria su misura potrà integrarsi anche con Trainium, il chip di casa AWS, all’interno di una stessa architettura a livello di rack.

Tutto poggia sul sistema Nitro e sull’Elastic Fabric Adapter, i due pilastri che AWS usa per garantire sicurezza e affidabilità.

Dalla sperimentazione alla produzione

Perché servono così tante GPU? La risposta sta in un cambiamento di fase che riguarda tutte le aziende che usano l’AI. Fino a poco tempo fa la partita si giocava sulla sperimentazione, oggi si gioca sulla messa in produzione. Le imprese non vogliono più soltanto provare i modelli, vogliono farli girare in modo continuo, affidabile e su larga scala.

Questo passaggio moltiplica il fabbisogno di calcolo. Gli agenti AI che ragionano e agiscono in autonomia, la scoperta scientifica, l’automazione dei processi aziendali e la robotica sono tutti carichi che consumano risorse in modo intensivo.

Ed è proprio questa la domanda che AWS e NVIDIA vogliono intercettare, offrendo ai laboratori di frontiera, alle grandi imprese, alle startup e ai governi un’infrastruttura pronta a scalare.

Il tema della capacità, del resto, è al centro delle mosse di tutti i grandi del settore. Anche Microsoft ha annunciato di voler triplicare i propri data center per reggere il peso dei modelli, a conferma che la vera scommessa dei prossimi anni è l’energia e lo spazio fisico dove mettere i server.

AI factory per il governo e intelligenza artificiale per la robotica

Un capitolo a parte riguarda il settore pubblico. AWS e NVIDIA costruiranno vere e proprie “AI factory” per il governo degli Stati Uniti, con un piano che prevede centomila GPU su infrastruttura sicura, dedicate ai carichi di lavoro federali e di sicurezza nazionale.

Si parla di ambienti classificati ai massimi livelli di riservatezza, quelli che negli Stati Uniti vengono indicati come Impact Level 6 e oltre.

L’altra frontiera è quella dell’AI fisica, cioè l’intelligenza artificiale che controlla macchine e robot nel mondo reale. Amazon Robotics adotterà la piattaforma di NVIDIA per accelerare lo sviluppo dei robot di nuova generazione, sfruttando strumenti come Jetson, Omniverse e Isaac.

L’obiettivo è addestrare i robot in simulazione, generare dati sintetici e validare i comportamenti prima di portarli nei magazzini reali.

Non è un caso isolato. L’intero comparto della robotica sta attirando capitali e attenzione, come mostrano le startup che costruiscono robot capaci di operare in casa e in fabbrica.

Modelli aperti e prestazioni: cosa cambia per chi sviluppa

Per chi lavora con l’AI, la parte più concreta dell’accordo riguarda i modelli e le prestazioni. NVIDIA continuerà a rendere disponibili i suoi modelli aperti della famiglia Nemotron su Amazon Bedrock e su SageMaker, ampliando la scelta per chi vuole personalizzare o mettere a punto un modello senza dipendere da un unico fornitore proprietario.

Ci sono poi i numeri sulle prestazioni. Grazie alle librerie CUDA-X di NVIDIA, l’elaborazione dei dati su Amazon EMR diventa fino a 3,7 volte più veloce, con un rapporto prezzo prestazioni migliore del 30 per cento. L’indicizzazione vettoriale su OpenSearch, quella che alimenta la ricerca semantica e i sistemi di retrieval, può arrivare a essere nove volte più rapida a un quarto del costo.

Anche sul fronte delle istanze di calcolo c’è una novità. Le nuove macchine G7, basate sulle GPU RTX PRO 4500 Blackwell, promettono prestazioni di inferenza fino a 4,6 volte superiori rispetto alla generazione precedente, e AWS è il primo grande cloud a offrirle ai clienti.

In pratica, più capacità e costi più bassi per le stesse operazioni.

Cosa significa per il mercato dell’AI

Guardando al quadro d’insieme, l’accordo racconta due cose. La prima è che la spesa in infrastruttura AI ha raggiunto livelli mai visti: solo nel 2026 i grandi nomi del cloud, tra cui Amazon, Google, Meta e Microsoft, hanno messo in conto centinaia di miliardi di dollari di investimenti, gran parte dei quali destinati proprio a chip e data center.

Una corsa che si finanzia anche a debito, come mostra la recente emissione di obbligazioni legata alle scommesse sull’AI.

La seconda è che NVIDIA resta il centro di gravità di questo ecosistema. Nonostante AWS spinga sui propri chip Trainium, la scelta di puntare su due milioni di GPU NVIDIA conferma quanto sia difficile, per ora, prescindere dall’azienda di Huang.

Non mancano gli sfidanti: diverse startup provano a insidiare NVIDIA sull’inferenza, la fase in cui i modelli vengono effettivamente usati. Ma la partita sull’addestramento resta per ora saldamente in mano al leader.

Per te che segui il settore, il messaggio è chiaro: la disponibilità di calcolo sarà uno dei fattori che decideranno chi potrà davvero costruire e far crescere prodotti basati sull’AI nei prossimi anni.

Conclusioni

L’espansione della partnership tra AWS e NVIDIA non è soltanto una notizia da addetti ai lavori. Dietro il numero da capogiro delle GPU c’è una trasformazione che tocca il modo in cui le aziende costruiscono software, i governi proteggono le proprie infrastrutture e i robot imparano a muoversi nel mondo reale.

Il fatto che la domanda superi le previsioni ci dice che siamo ancora in piena fase di espansione, non di assestamento. E ci ricorda che, dietro ogni risposta di un chatbot o ogni azione di un agente, c’è una quantità enorme di hardware che qualcuno deve costruire, alimentare e mantenere.

Se vuoi capire come si muove il mercato dell’AI, tieni d’occhio proprio questi annunci sull’infrastruttura: sono il termometro più affidabile per misurare dove sta andando davvero la tecnologia. Continua a seguirci per non perderti i prossimi sviluppi.