<p>大規模構建人工智能系統是一個挑戰，需要低延遲推理、快速向量搜索、強大的 GPU 性價比以及能夠在不增加運營複雜性的情況下擴展的基礎設施。</p>
<p>NVIDIA 與亞馬遜網絡服務（AWS）的最新合作解決了這些限制。在亞馬遜 OpenSearch 和亞馬遜 EC2 上，NVIDIA AI 基礎設施為企業提供了更實用的路徑，以在生產規模上部署人工智能。</p>
<p>由 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 驅動的 EC2 G7 實例擴展了人工智能、圖形、視頻和數據分析工作負載的計算層，而 NVIDIA cuVS 庫通過使 GPU 驅動的向量索引成為 OpenSearch Serverless 中的默認選項，加速了檢索層。隨着 AWS 獲得 NVIDIA GB300 的 NVIDIA Exemplar Cloud 狀態，客户可以信任他們獲得了針對訓練工作負載的最佳優化性能。</p>
<h2><strong>NVIDIA RTX PRO 4500 Blackwell Server Edition 多工作負載 GPU 為新的亞馬遜 EC2 G7 實例提供動力</strong></h2>
<p>亞馬遜 EC2 G7 實例將 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 引入 AWS，用於人工智能推理、圖形、空間計算和 GPU 加速的數據分析——提供了一種為需要性能而不增加客户管理 GPU 平台運營開銷的生產工作負載而設計的新實例類型。</p>
<p>與 G6 實例相比，G7 在人工智能推理性能上提升了最多 4.6 倍，在圖形性能上提升了最多 2.1 倍，並且在使用 NVIDIA cuDF 庫進行 Apache Spark 工作負載的亞馬遜 EMR 上，GPU 加速的數據分析速度顯著更快。</p>
<p>支持最多八個 GPU、256GB 的總 GPU 內存、700 Gbps 的 EFA 啓用網絡和最多 7.6TB 的本地 NVMe SSD 存儲——涵蓋一、二、四和八個 GPU 配置以及即將推出的裸金屬，G7 實例讓客户能夠根據工作負載合理配置基礎設施，而不是過度配置。</p>
<p>該平台的多功能性意味着人工智能團隊可以獲得更低延遲的推理。媒體和娛樂團隊可以獲得高分辨率的視頻工作流程和渲染。仿真、計算機輔助設計、虛擬桌面基礎設施、遊戲和空間計算團隊可以為圖形密集型應用使用相同的實例類型。數據團隊可以將 GPU 內存、本地存儲和網絡改進應用於分析管道和向量數據庫工作負載。</p>
<p>G7 實例可以通過 AWS 深度學習亞馬遜機器鏡像（AMIs）、亞馬遜深度學習容器、亞馬遜 EMR、亞馬遜 EKS、亞馬遜 ECS 和圖形 AMIs 訪問——並且即將推出亞馬遜 SageMaker AI。</p>
<h2><strong>NVIDIA cuVS 使 GPU 加速的向量搜索成為亞馬遜 OpenSearch 中的默認選項</strong></h2>
<p>下一代亞馬遜 OpenSearch Serverless 為自主人工智能和動態工作負載提供動力，無需基礎設施管理。它使用由 NVIDIA cuVS 驅動的 GPU 加速向量索引，作為所有向量集合的默認計算選擇。</p>
<p>對於構建檢索增強生成、語義搜索、推薦系統和自主人工智能應用的團隊來説，這一轉變至關重要。它將 GPU 驅動的向量搜索從一個專業的優化項目轉變為標準的 AWS 能力。</p>
<p>客户的影響是直接的：向量索引速度提高至 10 倍，成本僅為 CPU 構建的四分之一——使得在不到一個小時內構建十億規模的向量數據庫成為可能。</p>
<p>通過將 NVIDIA cuVS 設為 OpenSearch Serverless 中的默認選項，AWS 客户可以更快地從原始數據轉向生產就緒的人工智能檢索基礎設施——具有無服務器擴展，減少了工作負載閒置時的運營開銷。</p>
<h2><strong>AWS 獲得 NVIDIA GB300 訓練性能的 NVIDIA Exemplar Cloud 狀態</strong></h2>
<p>AWS 在 NVIDIA GB300 上獲得了 NVIDIA Exemplar Cloud 狀態，適用於訓練工作負載。這意味着 AWS 滿足了 NVIDIA 用於基準人工智能工作負載的嚴格性能標準。</p>
<p>這一成就得益於 AWS 和 NVIDIA 團隊之間的深入共同工程努力。通過 NVIDIA Exemplar Clouds 計劃，開發人員和人工智能領導者可以確信他們正在使用一致的高性能雲基礎設施進行大規模訓練，幫助團隊更有信心地評估雲服務提供商，改善總體擁有成本，並更高效地將人工智能項目從規劃轉向生產。</p>
<p>這些進展共同加強了 AWS 上人工智能基礎設施堆棧的每一層。貫穿始終的是：在不增加運營負擔的情況下，提供生產級人工智能基礎設施，能夠在規模上運行。</p>
<p><em>在</em> <em>這篇 AWS 博客</em> <em>中瞭解更多信息</em>.</p>

2026 年軟件股最大的爭議仍在發酵：AI agent 會不會取代按席位收費的 SaaS 模式？資金持續從軟件輪向芯片，微軟仍距高點約 27%，Salesforce、Workday 年內深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"過頭、企業不會一夜換掉幾十年的軟件。軟件正被 AI 吃掉，還是跌出了黃金坑？你站軟件，還是站芯片？

<p>2026 年軟件股最大的爭議仍在發酵：AI agent 會不會取代按席位收費的 SaaS 模式？資金持續從軟件輪向芯片，微軟仍距高點約 27%，Salesforce、Workday 年內深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"過頭、企業不會一夜換掉幾十年的軟件。軟件正被 AI 吃掉，還是跌出了黃金坑？你站軟件，還是站芯片？</p>

SaaS 被 AI 吃掉？軟件 vs 芯片站隊

英偉達

1 倍做空英偉達 ETF - Direxion

南方兩倍做空英偉達

<p>NVIDIA 與 AWS 合作以擴大 AI 生產。AWS EC2 G7 實例配備 NVIDIA RTX PRO 4500 Blackwell GPU，提供高達 4.6 倍的 AI 推理性能。NVIDIA cuVS 使 GPU 加速的向量搜索成為 Amazon OpenSearch Serverless 的默認選項，速度提升 10 倍且成本更低。此外，AWS 獲得了 NVIDIA Exemplar Cloud 認證，適用於 GB300 訓練工作負載，確保大型 AI 項目的高性能基礎設施</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>大規模構建人工智能系統是一個挑戰，需要低延遲推理、快速向量搜索、強大的 GPU 性價比以及能夠在不增加運營複雜性的情況下擴展的基礎設施。</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 與亞馬遜網絡服務（AWS）的最新合作解決了這些限制。在亞馬遜 OpenSearch 和亞馬遜 EC2 上，NVIDIA AI 基礎設施為企業提供了更實用的路徑，以在生產規模上部署人工智能。</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 驅動的 EC2 G7 實例擴展了人工智能、圖形、視頻和數據分析工作負載的計算層，而 NVIDIA cuVS 庫通過使 GPU 驅動的向量索引成為 OpenSearch Serverless 中的默認選項，加速了檢索層。隨着 AWS 獲得 NVIDIA GB300 的 NVIDIA Exemplar Cloud 狀態，客户可以信任他們獲得了針對訓練工作負載的最佳優化性能。</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 多工作負載 GPU 為新的亞馬遜 EC2 G7 實例提供動力</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>亞馬遜 EC2 G7 實例將 NVIDIA RTX PRO 4500 Blackwell Server Edition GPU 引入 AWS，用於人工智能推理、圖形、空間計算和 GPU 加速的數據分析——提供了一種為需要性能而不增加客户管理 GPU 平台運營開銷的生產工作負載而設計的新實例類型。</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>與 G6 實例相比，G7 在人工智能推理性能上提升了最多 4.6 倍，在圖形性能上提升了最多 2.1 倍，並且在使用 NVIDIA cuDF 庫進行 Apache Spark 工作負載的亞馬遜 EMR 上，GPU 加速的數據分析速度顯著更快。</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>支持最多八個 GPU、256GB 的總 GPU 內存、700 Gbps 的 EFA 啓用網絡和最多 7.6TB 的本地 NVMe SSD 存儲——涵蓋一、二、四和八個 GPU 配置以及即將推出的裸金屬，G7 實例讓客户能夠根據工作負載合理配置基礎設施，而不是過度配置。</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>該平台的多功能性意味着人工智能團隊可以獲得更低延遲的推理。媒體和娛樂團隊可以獲得高分辨率的視頻工作流程和渲染。仿真、計算機輔助設計、虛擬桌面基礎設施、遊戲和空間計算團隊可以為圖形密集型應用使用相同的實例類型。數據團隊可以將 GPU 內存、本地存儲和網絡改進應用於分析管道和向量數據庫工作負載。</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 實例可以通過 AWS 深度學習亞馬遜機器鏡像（AMIs）、亞馬遜深度學習容器、亞馬遜 EMR、亞馬遜 EKS、亞馬遜 ECS 和圖形 AMIs 訪問——並且即將推出亞馬遜 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 加速的向量搜索成為亞馬遜 OpenSearch 中的默認選項</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>下一代亞馬遜 OpenSearch Serverless 為自主人工智能和動態工作負載提供動力，無需基礎設施管理。它使用由 NVIDIA cuVS 驅動的 GPU 加速向量索引，作為所有向量集合的默認計算選擇。</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>對於構建檢索增強生成、語義搜索、推薦系統和自主人工智能應用的團隊來説，這一轉變至關重要。它將 GPU 驅動的向量搜索從一個專業的優化項目轉變為標準的 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>客户的影響是直接的：向量索引速度提高至 10 倍，成本僅為 CPU 構建的四分之一——使得在不到一個小時內構建十億規模的向量數據庫成為可能。</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>通過將 NVIDIA cuVS 設為 OpenSearch Serverless 中的默認選項，AWS 客户可以更快地從原始數據轉向生產就緒的人工智能檢索基礎設施——具有無服務器擴展，減少了工作負載閒置時的運營開銷。</p>
</div><h2><strong>AWS Achieves NVIDIA Exemplar Cloud Status for GB300 Training Performance</strong></h2>
<div class="lb-trans"><h2><strong>AWS 獲得 NVIDIA GB300 訓練性能的 NVIDIA Exemplar Cloud 狀態</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 上獲得了 NVIDIA Exemplar Cloud 狀態，適用於訓練工作負載。這意味着 AWS 滿足了 NVIDIA 用於基準人工智能工作負載的嚴格性能標準。</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>這一成就得益於 AWS 和 NVIDIA 團隊之間的深入共同工程努力。通過 NVIDIA Exemplar Clouds 計劃，開發人員和人工智能領導者可以確信他們正在使用一致的高性能雲基礎設施進行大規模訓練，幫助團隊更有信心地評估雲服務提供商，改善總體擁有成本，並更高效地將人工智能項目從規劃轉向生產。</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>這些進展共同加強了 AWS 上人工智能基礎設施堆棧的每一層。貫穿始終的是：在不增加運營負擔的情況下，提供生產級人工智能基礎設施，能夠在規模上運行。</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>這篇 AWS 博客</em> <em>中瞭解更多信息</em>.</p>
</div>

NVIDIA and AWS Collaborate to Bring AI to Production at Scale

- NVIDIA 與 AWS 合作，推出 EC2 G7 實例，提供高性能的 AI 基礎設施。  
- 新實例支持多種 GPU 配置，實現優化的 AI 推理和數據分析。  
- AWS 獲得 NVIDIA Exemplar Cloud 狀態，確保高效的訓練工作負載性能。

英偉達與 AWS 合作以實現 AI 的大規模生產應用