
ที่มาภาพ: TechRadar
AWS เพิ่ม GPU Nvidia 2 ล้านชิป เพื่อขยายศูนย์ข้อมูล AI ถึงปี 2027‑2028
⚡ สรุป 30 วิ
AWS จะซื้อ GPU Nvidia จำนวน 2 ล้านชิปในช่วงปี 2027‑2028 เพื่อเสริมศูนย์ข้อมูล AI ทั่วโลก การขยายนี้ตอบสนองความต้องการของลูกค้าที่ใช้ AI อย่างรวดเร็ว.
Amazon Web Services (AWS) จะเพิ่ม GPU ของ Nvidia จำนวน 2 ล้านชิปในศูนย์ข้อมูลทั่วโลกระหว่างปี 2027‑2028 หลังจากที่เคยประกาศจะใส่ GPU มากกว่า 1 ล้านชิปตั้งแต่ปี 2026 การขยายกำลังประมวลผลนี้สะท้อนความต้องการใช้ปัญญาประดิษฐ์ (AI) ที่เติบโตเร็วกว่าที่คาดการณ์ไว้
Overview
AWS และ Nvidia ได้ต่อยอดพันธกิจระยะยาวเพื่อให้บริการโครงสร้างพื้นฐาน AI ที่มีขนาดใหญ่ขึ้น โดยมุ่งเน้นเพิ่ม GPU จำนวน 2 ล้านชิปในช่วงสองปีถัดไป การลงทุนนี้เป็นส่วนหนึ่งของแผนการขยายระบบคลาวด์ที่ครอบคลุมหลายภูมิภาค เพื่อรองรับความต้องการจากลูกค้าองค์กร, ศูนย์วิจัย และหน่วยงานรัฐ
แม้ว่าการวางแผนจะเริ่มตั้งแต่ปี 2026 ด้วยเป้าหมายเพิ่ม GPU มากกว่า 1 ล้านชิปแล้ว แต่ตามรายงานของ AWS ความต้องการของลูกค้าก็เติบโตเร็วเกินคาด ทำให้บริษัทต้องเร่งขยายกำลังประมวลผลเพิ่มเติม การตัดสินใจนี้ยังสอดคล้องกับแนวโน้มของตลาด AI ที่ผู้ใช้ต้องการความสามารถในการฝึกโมเดลที่ใหญ่และซับซ้อนยิ่งขึ้น
Expansion Details
AWS กำหนดให้การจัดซื้อ GPU ใหม่จะกระจายไปทั่วศูนย์ข้อมูลหลักของบริษัทในอเมริกาเหนือ, ยุโรป, เอเชียแปซิฟิก และตะวันออกกลาง การเพิ่มจำนวนนี้คาดว่าจะทำให้คลัสเตอร์ AI มีความหนาแน่นของการประมวลผลสูงขึ้นอย่างมีนัยสำคัญ
- GPU 2 ล้านชิป (2027‑2028)
- Vera‑based CPU ใหม่ที่รองรับงาน AI ขั้นสูง
- การอัปเกรดเครือข่ายด้วยเทคโนโลยี NVLink Fusion พร้อมหน่วยความจำแบนด์วิดธ์สูง
นอกจากนี้ AWS ยังจัดสรร GPU จำนวน 100,000 ชิป สำหรับหน่วยงานรัฐบาลและการป้องกันประเทศทั่วประเทศ เพื่อให้มั่นใจว่าข้อมูลที่มีความสำคัญจะได้รับการประมวลผลด้วยเทคโนโลยีระดับสูงสุด
Technical Enhancements
การอัปเกรดด้านฮาร์ดแวร์ไม่ได้จำกัดอยู่เพียง GPU เท่านั้น AWS ยังนำ CPU รุ่นใหม่ที่พัฒนาบนสถาปัตยกรรม Vera เข้ามาใช้ร่วมกัน เพื่อให้ระบบ AI สามารถทำงานได้อย่างต่อเนื่องและมีประสิทธิภาพสูงสุด
เทคโนโลยี NVLink Fusion จะเชื่อมต่อระหว่างชิปหลายตัวโดยใช้แบนด์วิดธ์ที่สูงกว่าเดิม ซึ่งช่วยลดความหน่วงเวลาในการสื่อสารข้อมูลภายในคลัสเตอร์ขนาดใหญ่ การปรับใช้ซอฟต์แวร์ cuDF ของ Nvidia บนบริการวิเคราะห์ของ AWS ทำให้ความเร็วการประมวลผลเพิ่มขึ้นประมาณ 3.7 เท่า เมื่อเทียบกับการตั้งค่ามาตรฐาน
นอกจากนี้ ระบบค้นหาเวกเตอร์ (vector search) ใน Amazon OpenSearch Service จะสร้างดัชนีได้เร็วกว่าเดิม 9 เท่า หากใช้ GPU ซึ่งช่วยเร่งความเร็วในการตอบสนองต่อคำถามจากผู้ใช้ในเวลาจริง
Market Impact
การเพิ่มกำลังประมวลผล AI ของ AWS มีผลโดยตรงต่อภาคอุตสาหกรรมหลายด้าน ลูกค้าองค์กรสามารถฝึกโมเดลที่ซับซ้อนขึ้นได้เร็วกว่าเดิม ลดเวลาในการพัฒนาโซลูชัน AI ใหม่ และทำให้ต้นทุนต่อการประมวลผลดีขึ้นประมาณ **30 % เมื่อเทียบกับเซ็ตอัพที่ใช้เฉพาะชิปมาตรฐาน
Matt Garman ซีอีโอของ AWS ย้ำว่า “ลูกค้าอยากได้ความยืดหยุ่นในการเลือกเครื่องมือ AI ที่ดีที่สุด และต้องการมั่นใจว่าระบบทำงานร่วมกันอย่างไร้รอยต่อ” ขณะเดียวกัน Jensen Huang ผู้ก่อตั้ง Nvidia กล่าวถึงความสำคัญของการขยายพันธมิตรนี้ว่า “เรากำลังสร้างกลไกการเติบโตใหม่สำหรับยุค AI ที่ความต้องการกำลังเกินทุกการคาดการณ์”
Future Outlook
แม้จะมีสถิติแสดงว่าประสิทธิภาพการทำงานของระบบที่อัปเกรดแล้วสามารถให้ inference เร็วขึ้นถึง 4.6 เท่า และประสิทธิภาพกราฟิกดีขึ้น 2.1 เท่า จากรุ่นก่อนหน้า แต่ความสำเร็จในระยะยาวยังต้องพิจารณาถึงระดับการใช้งานจริงของลูกค้า หากอุปสงค์ต่อ AI ยังคงเพิ่มขึ้นตามที่คาดการณ์ การลงทุนจำนวน 2 ล้านชิปนี้จะช่วยให้ AWS รักษาตำแหน่งเป็นผู้ให้บริการคลาวด์หลักในตลาด AI ได้อย่างมั่นคง
ส่วนงานหุ่นยนต์ของ Amazon ก็กำลังร่วมมือกับ Nvidia พัฒนาเครื่องมือจำลอง (simulation) เพื่อเร่งการฝึกสอนหุ่นยนต์โกดังรุ่นใหม่ ซึ่งอาจส่งผลต่อประสิทธิภาพโลจิสติกส์และกระบวนการจัดเก็บสินค้าทั่วโลก
Summary
AWS จะเพิ่ม GPU ของ Nvidia จำนวน 2 ล้านชิปในช่วงปี 2027‑2028 พร้อมกับ CPU รุ่น Vera, การอัปเกรดเครือข่าย NVLink Fusion, และซอฟต์แวร์ cuDF เพื่อรองรับความต้องการ AI ที่เพิ่มสูงขึ้น ความร่วมมือนี้คาดว่าจะยกระดับประสิทธิภาพและลดต้นทุนให้กับลูกค้าทั้งภาคเอกชนและรัฐบาล.
แชร์บทความนี้:
ชอบบทความแบบนี้?
สมัคร AI Automate Weekly Newsletter — รับเคล็ดลับ AI + how-to ใหม่
ทุกสัปดาห์ตรงถึง inbox ฟรี ไม่มีสแปม
แหล่งข่าวต้นฉบับ
- ชื่อต้นฉบับ
- Amazon is buying 2 million Nvidia GPUs for AWS data center expansion
- ผู้เขียน
- Efosa Udinmwen
- แหล่ง
- TechRadar
- วันที่เผยแพร่
- 31 สิงหาคม 2569 เวลา 05:10



