Amazon triplica su pedido de GPUs Nvidia: 2M de chips

Amazon triplica su pedido de GPUs a Nvidia tras un trimestre récord

Amazon y Nvidia acaban de cerrar una de las alianzas de infraestructura de IA más grandes de la historia: AWS desplegará 2 millones de GPUs adicionales de Nvidia —incluyendo Blackwell Ultra, Rubin y Rubin Ultra— entre 2027 y 2028, según el anuncio oficial recogido por TechPowerUp. La cifra triplica el compromiso previo de "más de 1 millón de GPUs" que ambas compañías habían presentado en el evento GTC de marzo de 2026, y que Nvidia confirmó que ya se consumió antes de cumplirse el plazo original.

El anuncio llegó el miércoles 26 de agosto, durante la presentación de resultados del segundo trimestre fiscal de Nvidia, en la que la compañía reportó ingresos por US$96.200 millones y previó US$108.000 millones para el tercer trimestre (más/menos 2%), según Yahoo Finance. El segmento de centros de datos aportó US$89.000 millones, un 117% más que el año anterior, con los hyperscalers —Amazon, Google y Microsoft— representando US$49.000 millones de esa cifra.

¿Por qué Amazon duplicó su pedido en cinco meses?

La respuesta corta: la demanda superó el plan original. Nvidia explicó en su comunicado oficial, replicado por TechPowerUp, que "la demanda ha superado esas expectativas" desde el anuncio de GTC 2026, lo que justifica el nuevo compromiso. El CEO de AWS, Matt Garman, lo resumió así: "los clientes quieren libertad para elegir las mejores herramientas para sus cargas de IA y confianza en que todo funcione junto sin fricciones". Por su parte, Jensen Huang, CEO de Nvidia, afirmó que "Nvidia y AWS han construido uno de los grandes motores de crecimiento de la era de la IA, y la demanda va por delante de cada pronóstico".

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El acuerdo no se queda en GPUs. Incluye también:

CPUs Vera de Nvidia llegando a AWS, integradas con Rubin o como módulos independientes.
NVLink Fusion con memoria NVHBM dentro de los racks de chips Trainium de Amazon, conectando el silicio de ambos proveedores.
Redes Spectrum optimizadas para entrenamiento a gran escala en clusters GPU.
100.000 GPUs dedicadas a "AI factories" del gobierno de EE.UU. en infraestructura segura de AWS para cargas IL6 y superiores.
Modelos abiertos Nemotron disponibles en Amazon Bedrock y SageMaker.
Aceleración GPU en EMR (procesamiento 3,7 veces más rápido) y OpenSearch Service (indexado vectorial 9 veces más rápido).
Plataforma física de IA de Nvidia (Omniverse, Cosmos, Isaac, Jetson) integrada en los robots de Amazon Robotics.

La paradoja de Amazon: comprar Nvidia mientras la desafía

Amazon es a la vez el mayor cliente y el rival más decidido de Nvidia. El negocio de silicio propio de la compañía —Trainium para IA y Graviton (basado en Arm) para CPU— ya superó una tasa de ingresos anualizada de US$25.000 millones según declaró la propia empresa en su último earnings call, impulsada por compromisos totales por US$225.000 millones de laboratorios como Anthropic y OpenAI, según TechCrunch.

Jeff Bezos, fundador de Amazon, dijo a Fortune que la división de chips "se perfila como nuestro próximo pilar", al nivel de Prime, Marketplace y AWS. El CEO Andy Jassy apuntó que es "bastante posible" que Amazon llegue a vender racks de Trainium a terceros, según recoge TechRepublic —un movimiento que pondría a Amazon en línea directa de competencia con Nvidia fuera del ecosistema AWS.

Esa tensión es la clave del anuncio del miércoles: Amazon necesita la escala y el rendimiento de Blackwell/Rubin para sus clientes hyperscale, pero sigue construyendo su propio stack para reducir dependencia y mejorar márgenes. La propia Amazon reportó que Trainium 2 está "prácticamente agotado" y que 1,4 millones de chips ya están desplegados, según Yahoo Finance. Jeff Bezos estima que los chips personalizados podrían ahorrarle "decenas de miles de millones de dólares en CapEx cada año".

El dato clave que obsesiona a los inversores: ¿puede la IA pagar la factura?

Nvidia ha comprometido US$279.000 millones para asegurar capacidad de fabricación y memoria para proyectos de centros de datos actuales y futuros, más del doble que los US$119.000 millones del trimestre anterior, según TechCrunch. De esa cifra, US$92.000 millones corresponden al resto del año fiscal y otros US$87.000 millones al año fiscal 2028.

Huang lo planteó así durante la llamada: "La IA está generando tokens rentables… Si tuviéramos más cómputo, podríamos generar más tokens rentables, lo que se traduce en más beneficios para todos los servicios. Esta es exactamente la fase en la que estamos, y por eso todo el mundo está apostando fuerte". El CFO Colette Kress añadió que esperan un crecimiento de ingresos cercano al 70% en el año fiscal 2028, aunque "limitado por la oferta", y que Vera Rubin representa ya alrededor del 20% de los ingresos de centros de datos del tercer trimestre.

Para una startup que hoy entrena modelos sobre AWS o cualquier hyperscaler, la pregunta de fondo no cambió: la demanda de cómputo sigue creciendo y los proveedores invierten a fondo perdido para garantizarse capacidad. Lo que sí cambió es la visibilidad a varios años: compromisos firmados en 2026 cubren entregas hasta 2028, una ventana inusualmente larga para una industria acostumbrada a pelear por asignación trimestre a trimestre.

Qué significa esto para tu startup

Si tu stack de IA corre sobre AWS, esto tiene implicaciones prácticas inmediatas:

Reserva capacidad con anticipación. Los compromisos de hyperscalers ya cubren 2027-2028. Si dependes de GPUs Blackwell o planeas entrenar con Rubin, asegúrate de tener contratos de reserva o instancias dedicadas (como EC2 G7 con RTX PRO 4500, que ofrece 4,6 veces más rendimiento de inferencia que la generación anterior según TechPowerUp). Esperar a "comprar on-demand cuando lo necesite" puede dejarte sin acceso a las nuevas generaciones.
Evalúa Trainium como alternativa de costo. Trainium 3 ya está en producción masiva y Amazon dice que es "30-40% más rentable por precio que Trainium 2", con Trainium 4 prometiendo 3 veces más potencia a inicios de 2027. Si tu carga es inference o entrenamiento moderado, una arquitectura mixta (Nvidia para workloads críticos + Trainium para el resto) puede recortar tu factura de cómputo significativamente.
Prepárate para una nueva capa de precio-rendimiento. Los chips Rubin traerán un salto generacional y probablemente precios distintos. Si tienes un proyecto de IA a 12-18 meses vista, conviene modelar tu costo unitario (por token, por imagen, por inferencia) bajo ambos escenarios antes de comprometerte a arquitecturas específicas.
No ignores el componente geopolítico. 100.000 GPUs se destinarán a infraestructura federal de EE.UU. clasificada IL6+. Si trabajas en sectores regulados (salud, defensa, finanzas) o quieres vender al gobierno estadounidense, AWS con esta capa de Nvidia acaba de convertirse en un camino más viable —aunque más caro— que un proveedor no certificado.