<p>大规模构建人工智能系统是一个挑战，需要低延迟推理、快速向量搜索、强大的 GPU 性价比以及能够在不增加运营复杂性的情况下扩展的基础设施。</p>
<p>NVIDIA 与亚马逊网络服务（AWS）的最新合作解决了这些限制。在亚马逊 OpenSearch 和亚马逊 EC2 上，NVIDIA AI 基础设施为企业提供了更实用的路径，以在生产规模上部署人工智能。</p>
<p>由 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 驱动的 EC2 G7 实例扩展了人工智能、图形、视频和数据分析工作负载的计算层，而 NVIDIA cuVS 库通过使 GPU 驱动的向量索引成为 OpenSearch Serverless 中的默认选项，加速了检索层。随着 AWS 获得 NVIDIA GB300 的 NVIDIA Exemplar Cloud 状态，客户可以信任他们获得了针对训练工作负载的最佳优化性能。</p>
<h2><strong>NVIDIA RTX PRO 4500 Blackwell Server Edition 多工作负载 GPU 为新的亚马逊 EC2 G7 实例提供动力</strong></h2>
<p>亚马逊 EC2 G7 实例将 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 引入 AWS，用于人工智能推理、图形、空间计算和 GPU 加速的数据分析——提供了一种为需要性能而不增加客户管理 GPU 平台运营开销的生产工作负载而设计的新实例类型。</p>
<p>与 G6 实例相比，G7 在人工智能推理性能上提升了最多 4.6 倍，在图形性能上提升了最多 2.1 倍，并且在使用 NVIDIA cuDF 库进行 Apache Spark 工作负载的亚马逊 EMR 上，GPU 加速的数据分析速度显著更快。</p>
<p>支持最多八个 GPU、256GB 的总 GPU 内存、700 Gbps 的 EFA 启用网络和最多 7.6TB 的本地 NVMe SSD 存储——涵盖一、二、四和八个 GPU 配置以及即将推出的裸金属，G7 实例让客户能够根据工作负载合理配置基础设施，而不是过度配置。</p>
<p>该平台的多功能性意味着人工智能团队可以获得更低延迟的推理。媒体和娱乐团队可以获得高分辨率的视频工作流程和渲染。仿真、计算机辅助设计、虚拟桌面基础设施、游戏和空间计算团队可以为图形密集型应用使用相同的实例类型。数据团队可以将 GPU 内存、本地存储和网络改进应用于分析管道和向量数据库工作负载。</p>
<p>G7 实例可以通过 AWS 深度学习亚马逊机器镜像（AMIs）、亚马逊深度学习容器、亚马逊 EMR、亚马逊 EKS、亚马逊 ECS 和图形 AMIs 访问——并且即将推出亚马逊 SageMaker AI。</p>
<h2><strong>NVIDIA cuVS 使 GPU 加速的向量搜索成为亚马逊 OpenSearch 中的默认选项</strong></h2>
<p>下一代亚马逊 OpenSearch Serverless 为自主人工智能和动态工作负载提供动力，无需基础设施管理。它使用由 NVIDIA cuVS 驱动的 GPU 加速向量索引，作为所有向量集合的默认计算选择。</p>
<p>对于构建检索增强生成、语义搜索、推荐系统和自主人工智能应用的团队来说，这一转变至关重要。它将 GPU 驱动的向量搜索从一个专业的优化项目转变为标准的 AWS 能力。</p>
<p>客户的影响是直接的：向量索引速度提高至 10 倍，成本仅为 CPU 构建的四分之一——使得在不到一个小时内构建十亿规模的向量数据库成为可能。</p>
<p>通过将 NVIDIA cuVS 设为 OpenSearch Serverless 中的默认选项，AWS 客户可以更快地从原始数据转向生产就绪的人工智能检索基础设施——具有无服务器扩展，减少了工作负载闲置时的运营开销。</p>
<h2><strong>AWS 获得 NVIDIA GB300 训练性能的 NVIDIA Exemplar Cloud 状态</strong></h2>
<p>AWS 在 NVIDIA GB300 上获得了 NVIDIA Exemplar Cloud 状态，适用于训练工作负载。这意味着 AWS 满足了 NVIDIA 用于基准人工智能工作负载的严格性能标准。</p>
<p>这一成就得益于 AWS 和 NVIDIA 团队之间的深入共同工程努力。通过 NVIDIA Exemplar Clouds 计划，开发人员和人工智能领导者可以确信他们正在使用一致的高性能云基础设施进行大规模训练，帮助团队更有信心地评估云服务提供商，改善总体拥有成本，并更高效地将人工智能项目从规划转向生产。</p>
<p>这些进展共同加强了 AWS 上人工智能基础设施堆栈的每一层。贯穿始终的是：在不增加运营负担的情况下，提供生产级人工智能基础设施，能够在规模上运行。</p>
<p><em>在</em> <em>这篇 AWS 博客</em> <em>中了解更多信息</em>.</p>

2026 年软件股最大的争议仍在发酵：AI agent 会不会取代按席位收费的 SaaS 模式？资金持续从软件轮向芯片，微软仍距高点约 27%，Salesforce、Workday 年内深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"过头、企业不会一夜换掉几十年的软件。软件正被 AI 吃掉，还是跌出了黄金坑？你站软件，还是站芯片？

<p>2026 年软件股最大的争议仍在发酵：AI agent 会不会取代按席位收费的 SaaS 模式？资金持续从软件轮向芯片，微软仍距高点约 27%，Salesforce、Workday 年内深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"过头、企业不会一夜换掉几十年的软件。软件正被 AI 吃掉，还是跌出了黄金坑？你站软件，还是站芯片？</p>

SaaS 被 AI 吃掉？软件 vs 芯片站队

英伟达

1 倍做空英伟达 ETF - Direxion

南方两倍做空英伟达

<p>NVIDIA 与 AWS 合作以扩大 AI 生产。AWS EC2 G7 实例配备 NVIDIA RTX PRO 4500 Blackwell GPU，提供高达 4.6 倍的 AI 推理性能。NVIDIA cuVS 使 GPU 加速的向量搜索成为 Amazon OpenSearch Serverless 的默认选项，速度提升 10 倍且成本更低。此外，AWS 获得了 NVIDIA Exemplar Cloud 认证，适用于 GB300 训练工作负载，确保大型 AI 项目的高性能基础设施</p>

<p>Building AI systems at scale is demanding, requiring low-latency inference, fast vector search, strong GPU price-performance and infrastructure that can grow without multiplying operational complexity.</p>
<div class="lb-trans"><p>大规模构建人工智能系统是一个挑战，需要低延迟推理、快速向量搜索、强大的 GPU 性价比以及能够在不增加运营复杂性的情况下扩展的基础设施。</p>
</div><p>NVIDIA’s latest work with Amazon Web Services (AWS) addresses each of those constraints. Across Amazon OpenSearch and Amazon EC2, NVIDIA AI infrastructure is giving enterprises more practical paths to deploy AI at production scale.</p>
<div class="lb-trans"><p>NVIDIA 与亚马逊网络服务（AWS）的最新合作解决了这些限制。在亚马逊 OpenSearch 和亚马逊 EC2 上，NVIDIA AI 基础设施为企业提供了更实用的路径，以在生产规模上部署人工智能。</p>
</div><p>EC2 G7 instances powered by NVIDIA RTX PRO 4500 Blackwell Server Edition GPUs expand the compute layer for AI, graphics, video and data analytics workloads, while the NVIDIA cuVS library accelerates the retrieval layer by making GPU-powered vector indexing the default in OpenSearch Serverless. And with AWS achieving NVIDIA Exemplar Cloud status for NVIDIA GB300, customers can trust they’re receiving peak optimized performance for their training workloads.</p>
<div class="lb-trans"><p>由 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 驱动的 EC2 G7 实例扩展了人工智能、图形、视频和数据分析工作负载的计算层，而 NVIDIA cuVS 库通过使 GPU 驱动的向量索引成为 OpenSearch Serverless 中的默认选项，加速了检索层。随着 AWS 获得 NVIDIA GB300 的 NVIDIA Exemplar Cloud 状态，客户可以信任他们获得了针对训练工作负载的最佳优化性能。</p>
</div><h2><strong>NVIDIA RTX PRO 4500 Blackwell Server Edition Multi-Workload GPUs Power New Amazon EC2 G7 Instances</strong></h2>
<div class="lb-trans"><h2><strong>NVIDIA RTX PRO 4500 Blackwell Server Edition 多工作负载 GPU 为新的亚马逊 EC2 G7 实例提供动力</strong></h2>
</div><p>Amazon EC2 G7 instances bring NVIDIA RTX PRO 4500 Blackwell Server Edition GPUs to AWS for AI inference, graphics, spatial computing and GPU-accelerated data analytics — delivering a new instance type engineered for production workloads that need performance without the operational overhead of a customer-managed GPU platform.</p>
<div class="lb-trans"><p>亚马逊 EC2 G7 实例将 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 引入 AWS，用于人工智能推理、图形、空间计算和 GPU 加速的数据分析——提供了一种为需要性能而不增加客户管理 GPU 平台运营开销的生产工作负载而设计的新实例类型。</p>
</div><p>Compared with G6 instances, G7 delivers up to 4.6x AI inference performance, up to 2.1x graphics performance and significantly faster GPU-accelerated data analytics on Amazon EMR using the NVIDIA cuDF library for Apache Spark workloads.</p>
<div class="lb-trans"><p>与 G6 实例相比，G7 在人工智能推理性能上提升了最多 4.6 倍，在图形性能上提升了最多 2.1 倍，并且在使用 NVIDIA cuDF 库进行 Apache Spark 工作负载的亚马逊 EMR 上，GPU 加速的数据分析速度显著更快。</p>
</div><p>With support for up to eight GPUs, 256GB of total GPU memory, 700 Gbps of EFA-enabled networking and up to 7.6TB of local NVMe SSD storage — across one-, two-, four- and eight- GPU configurations plus bare metal, coming soon — G7 instances let customers right-size infrastructure for their workloads instead of over-provisioning for them.</p>
<div class="lb-trans"><p>支持最多八个 GPU、256GB 的总 GPU 内存、700 Gbps 的 EFA 启用网络和最多 7.6TB 的本地 NVMe SSD 存储——涵盖一、二、四和八个 GPU 配置以及即将推出的裸金属，G7 实例让客户能够根据工作负载合理配置基础设施，而不是过度配置。</p>
</div><p>The platform’s versatility means AI teams get lower-latency inference. Media and entertainment teams get high-resolution video workflows and rendering. Simulation, computer-aided design, virtual desktop infrastructure, gaming and spatial computing teams get the same instance type for graphics-intensive applications. And data teams can apply the GPU memory, local storage and networking improvements to analytics pipelines and vector database workloads.</p>
<div class="lb-trans"><p>该平台的多功能性意味着人工智能团队可以获得更低延迟的推理。媒体和娱乐团队可以获得高分辨率的视频工作流程和渲染。仿真、计算机辅助设计、虚拟桌面基础设施、游戏和空间计算团队可以为图形密集型应用使用相同的实例类型。数据团队可以将 GPU 内存、本地存储和网络改进应用于分析管道和向量数据库工作负载。</p>
</div><p>G7 instances are accessible through AWS Deep Learning Amazon Machine Images (AMIs), Amazon Deep Learning Containers, Amazon EMR, Amazon EKS, Amazon ECS and graphics AMIs — and coming soon to Amazon SageMaker AI.</p>
<div class="lb-trans"><p>G7 实例可以通过 AWS 深度学习亚马逊机器镜像（AMIs）、亚马逊深度学习容器、亚马逊 EMR、亚马逊 EKS、亚马逊 ECS 和图形 AMIs 访问——并且即将推出亚马逊 SageMaker AI。</p>
</div><h2><strong>NVIDIA cuVS Makes GPU-Accelerated Vector Search the Default in Amazon OpenSearch</strong></h2>
<div class="lb-trans"><h2><strong>NVIDIA cuVS 使 GPU 加速的向量搜索成为亚马逊 OpenSearch 中的默认选项</strong></h2>
</div><p>The next generation of Amazon OpenSearch Serverless powers agentic AI and dynamic workloads with no infrastructure management required. It uses GPU-accelerated vector indexing, powered by NVIDIA cuVS, as the default compute choice for all vector collections.</p>
<div class="lb-trans"><p>下一代亚马逊 OpenSearch Serverless 为自主人工智能和动态工作负载提供动力，无需基础设施管理。它使用由 NVIDIA cuVS 驱动的 GPU 加速向量索引，作为所有向量集合的默认计算选择。</p>
</div><p>For teams building retrieval-augmented generation, semantic search, recommendation systems and agentic AI applications, that shift matters. It turns GPU-powered vector search from a specialized optimization project into a standard AWS capability.</p>
<div class="lb-trans"><p>对于构建检索增强生成、语义搜索、推荐系统和自主人工智能应用的团队来说，这一转变至关重要。它将 GPU 驱动的向量搜索从一个专业的优化项目转变为标准的 AWS 能力。</p>
</div><p>The customer impact is direct: vector indexing up to 10x faster at a quarter of the cost, compared with CPU-only builds — making billion-scale vector databases practical to build in under an hour.</p>
<div class="lb-trans"><p>客户的影响是直接的：向量索引速度提高至 10 倍，成本仅为 CPU 构建的四分之一——使得在不到一个小时内构建十亿规模的向量数据库成为可能。</p>
</div><p>By making NVIDIA cuVS the default in OpenSearch Serverless, AWS customers get a much faster path from raw data to production-ready AI retrieval infrastructure — with serverless scaling that reduces operational overhead when workloads are idle.</p>
<div class="lb-trans"><p>通过将 NVIDIA cuVS 设为 OpenSearch Serverless 中的默认选项，AWS 客户可以更快地从原始数据转向生产就绪的人工智能检索基础设施——具有无服务器扩展，减少了工作负载闲置时的运营开销。</p>
</div><h2><strong>AWS Achieves NVIDIA Exemplar Cloud Status for GB300 Training Performance</strong></h2>
<div class="lb-trans"><h2><strong>AWS 获得 NVIDIA GB300 训练性能的 NVIDIA Exemplar Cloud 状态</strong></h2>
</div><p>AWS has achieved NVIDIA Exemplar Cloud status on NVIDIA GB300 for training workloads. This means AWS meets the rigorous performance thresholds that NVIDIA uses to benchmark AI workloads against its reference architecture.</p>
<div class="lb-trans"><p>AWS 在 NVIDIA GB300 上获得了 NVIDIA Exemplar Cloud 状态，适用于训练工作负载。这意味着 AWS 满足了 NVIDIA 用于基准人工智能工作负载的严格性能标准。</p>
</div><p>This achievement is the result of deep co-engineering efforts between AWS and NVIDIA teams. Through the NVIDIA Exemplar Clouds initiative, developers and AI leaders can be confident they’re using consistent, high-performance cloud infrastructure for large-scale training, helping teams evaluate cloud providers with greater confidence, improve total cost of ownership and move AI projects from planning to production more efficiently.</p>
<div class="lb-trans"><p>这一成就得益于 AWS 和 NVIDIA 团队之间的深入共同工程努力。通过 NVIDIA Exemplar Clouds 计划，开发人员和人工智能领导者可以确信他们正在使用一致的高性能云基础设施进行大规模训练，帮助团队更有信心地评估云服务提供商，改善总体拥有成本，并更高效地将人工智能项目从规划转向生产。</p>
</div><p>Together, these advancements reinforce every layer of the AI infrastructure stack on AWS. The throughline is the same: production-grade AI infrastructure that performs at scale, without adding operational burden to the teams running it.</p>
<div class="lb-trans"><p>这些进展共同加强了 AWS 上人工智能基础设施堆栈的每一层。贯穿始终的是：在不增加运营负担的情况下，提供生产级人工智能基础设施，能够在规模上运行。</p>
</div><p><em>Learn more in</em> <em>this AWS blog</em> <em>.</em></p>
<div class="lb-trans"><p><em>在</em> <em>这篇 AWS 博客</em> <em>中了解更多信息</em>.</p>
</div>

NVIDIA and AWS Collaborate to Bring AI to Production at Scale

- NVIDIA 与 AWS 合作，推出 EC2 G7 实例，提供高性能的 AI 基础设施。  
- 新实例支持多种 GPU 配置，实现优化的 AI 推理和数据分析。  
- AWS 获得 NVIDIA Exemplar Cloud 状态，确保高效的训练工作负载性能。

英伟达与 AWS 合作以实现 AI 的大规模生产应用