Die Zusammenarbeit zwischen NVIDIA und Amazon Web Services (AWS) erreicht eine neue Stufe. Mit leistungsstarken EC2 G7 Instanzen, GPU-beschleunigter Vektorsuche in OpenSearch und dem NVIDIA Exemplar Cloud Status für GB300 entsteht eine durchgängige KI-Infrastruktur, die skaliert – ohne das Betriebsteam zu überlasten. Welche Neuerungen Unternehmen konkret zugutekommen, erfahren Sie im folgenden Überblick.
Neue EC2 G7 Instanzen: Blackwell-GPUs für vielfältige Workloads
Die neuen Amazon EC2 G7 Instanzen bringen die NVIDIA RTX PRO 4500 Blackwell Server Edition erstmals in die AWS Cloud. Sie adressieren explizit produktionsreife Workloads in den Bereichen KI-Inferenz, Grafik, räumliches Computing und GPU-beschleunigte Datenanalyse.
Im Vergleich zu den Vorgängern der G6-Serie steigern die G7 Instanzen die Leistung bei der KI-Inferenz um das 4,6-Fache. Grafikanwendungen laufen bis zu 2,1-mal schneller. Zusätzlich profitieren Analytics-Pipelines auf Amazon EMR durch die NVIDIA cuDF Library für Apache Spark deutlich von kürzeren Verarbeitungszeiten.
Flexible Konfigurationen für verschiedene Einsatzszenarien
Kunden können die Instanzen mit bis zu acht GPUs, 256 GB GPU-Speicher und 700 Gbps Netzwerk über EFA genau an ihren Bedarf anpassen. Zusätzlich stehen bis zu 7,6 TB lokaler NVMe-SSD-Speicher zur Verfügung. Konfigurationen mit ein, zwei, vier oder acht GPUs sowie Bare-Metal-Varianten ermöglichen es Teams, Ressourcen bedarfsgerecht zu skalieren, statt sie vorab zu überdimensionieren.
Dieselbe Instanzfamilie bedient dabei unterschiedliche Fachbereiche: KI-Teams erhalten niedrigere Latenzen bei Inferenz-Prozessen, Medien- und Unterhaltungsabteilungen beschleunigen hochauflösende Videoproduktionen, während Entwickler in Simulation, CAD und Virtual Desktop Infrastructure grafikintensive Anwendungen auf derselben Hardware betreiben.
Nahtlose Integration in das AWS Ökosystem
Die G7 Instanzen lassen sich über etablierte AWS-Dienste nutzen, darunter AWS Deep Learning AMIs, Amazon EKS, Amazon ECS, Amazon EMR und Amazon Deep Learning Containers. Die Integration in Amazon SageMaker AI folgt in Kürze.
GPU-beschleunigte Vektorsuche wird zum Standard
Eine weitere Neuerung betrifft Amazon OpenSearch Serverless. Hier ist GPU-beschleunigte Vektorindizierung nun die Standardeinstellung für alle Vektor-Collections – powered by NVIDIA cuVS. Diese Veränderung rückt GPU-basierte Vektorsuche aus dem Nischendasein in den Mittelpunkt der AWS-Datenstrategie.
Für Unternehmen, die semantische Suche, Empfehlungssysteme oder agentische KI-Anwendungen betreiben, ergeben sich messbare Vorteile: Die Indizierung läuft bis zu zehnmal schneller und kostet nur noch etwa ein Viertel im Vergleich zu rein CPU-basierten Umgebungen. Milliarden Vektoren lassen sich so in unter einer Stunde für den Produktivbetrieb aufbereiten.
Durch den serverlosen Ansatz reduziert sich zudem der operative Aufwand in Phasen geringer Auslastung, während die Infrastruktur bei Bedarf automatisch mitwächst.
AWS erlangt NVIDIA Exemplar Cloud Status für GB300
AWS hat den NVIDIA Exemplar Cloud Status für Trainingsworkloads auf Basis der NVIDIA GB300 Plattform erhalten. Diese Zertifizierung bestätigt, dass die AWS-Infrastruktur die strengen Leistungsanforderungen der NVIDIA Referenzarchitektur für groß angelegtes KI-Training erfüllt.
Entwickler und KI-Verantwortliche können sich damit auf eine konsistente, hochperformante Cloud-Umgebung verlassen. Der Status erleichtert die Evaluation von Cloud-Anbietern, verbessert die Gesamtkostenbilanz (TCO) und beschleunigt den Weg vom Konzept zur produktiven Anwendung.
Fazit: KI-Infrastruktur, die mitwächst
Die jüngsten Entwicklungen der NVIDIA und AWS Partnerschaft stärken jeden Layer des KI-Stacks. Von der Compute-Ebene über die Vektor-Suche bis hin zum optimierten Training entsteht eine kohärente Infrastruktur, die Leistung bei gleichzeitig niedrigem operativen Overhead verspricht.
Quelle: NVIDIA Blog
