ABM Financial News meldde dat Amazon heeft bekendgemaakt dat AWS een opdracht van Meta heeft ontvangen voor de levering van AWS Graviton processoren. Volgens dat bericht gaat het om tientallen miljoenen exemplaren en betreft het een uitbreiding van een bestaande samenwerking. Financiële details zijn niet openbaar gemaakt.
Wat er is gemeld
Volgens het bericht van ABM Financial News verwijst Amazon naar toepassingen rond zogeheten agentic AI, waarvoor naast GPU’s ook veel CPU-capaciteit nodig zou zijn. Graviton-processoren worden daarbij naar voren geschoven als geschikt voor dit type taken. Verdere specificaties of contractvoorwaarden zijn niet gedeeld.
Status van verificatie
Ten tijde van publicatie zijn er geen publiek gedeelde bedragen, contractdocumenten of aanvullende technische specificaties beschikbaar buiten de melding zoals door ABM Financial News is weergegeven. Zonder openbaar gemaakte contractdetails blijven omvang, leveringsschema en exacte inzet onduidelijk.
Wat zijn AWS Graviton processoren
AWS Graviton is een door AWS (Annapurna Labs) ontworpen familie van ARM-gebaseerde CPU’s die beschikbaar zijn via Amazon EC2-instances. Graviton is bedoeld voor brede rekenworkloads zoals microservices, webservers, containerized workloads en databases, met de nadruk op prijs-prestatie en energie-efficiëntie. Het zijn geen GPU’s of gespecialiseerde AI-accelerators; voor specifieke AI-workloads biedt AWS daarnaast Trainium (training) en Inferentia (inference) als dedicated chips.
CPU en GPU bij AI
Training van grote modellen
Het trainen van grote taalmodellen en andere foundation models is doorgaans GPU-gedreven, vanwege de hoge mate van parallelle matrixberekeningen. In de markt worden hiervoor onder meer NVIDIA- en AMD-accelerators ingezet, naast enkele door hyperscalers ontwikkelde eigen oplossingen.
Agentische en inference werkstromen
Bij agentische AI en complexe applicatie-orkestratie kunnen CPU’s een grote rol spelen voor taken als planning, toolaanroepen, contextbeheer en integratie met klassieke softwarestacks. Voor grootschalige, latency- en doorvoergevoelige inferentie worden in de praktijk vaak ook gespecialiseerde accelerators of GPU’s gebruikt. In veel productiesystemen is sprake van een gemengde architectuur waarin CPU’s en accelerators naast elkaar opereren.
Wat Meta publiek heeft gedeeld
Meta heeft publiekelijk uiteengezet dat het fors investeert in AI-infrastructuur, waaronder grootschalige GPU-capaciteit voor training en inferentie, en bouwt aan datacenters die hiervoor zijn geoptimaliseerd. Daarnaast presenteerde Meta in 2024 een nieuwe generatie eigen inference-hardware onder de naam MTIA v2. Meta ontwikkelt en onderhoudt tevens het open-source AI-framework PyTorch en draait zijn kernservices doorgaans in eigen datacenters.
Mogelijke duiding
Zonder nadere contractdetails is niet vast te stellen of de gemelde levering ziet op fysieke chipafname of op het grootschalig afnemen van cloudcapaciteit via Graviton-gebaseerde EC2-instances. Hyperscalers communiceren in vroege fases niet zelden beperkt over de precieze technische en commerciële invulling, waardoor interpretatieruimte ontstaat. Zeker is dat CPU-capaciteit, naast GPU’s en andere accelerators, een relevante bouwsteen is in moderne AI-stacks, vooral bij orkestratie en klassieke applicatielogica rond AI-modellen.
Openstaande vragen
- De exacte omvang en looptijd van de opdracht
- De verhouding tussen CPU-gebaseerde workloads en accelerator-gedreven workloads binnen de beoogde toepassingen
- De relatie met Meta’s eigen MTIA-inferentiehardware en de bredere GPU-inkoop
- Eventuele impact op de kapitaal- en operationele uitgaven van de betrokken partijen
Context voor beleggers
Mocht de samenwerking op schaal worden ingevuld, dan wijst dat op verdere verbreding van AI-infrastructuren naar heterogene omgevingen waarin CPU’s en accelerators complementair worden ingezet. Voor AWS zou extra vraag naar Graviton-gebaseerde capaciteit positief kunnen zijn voor de benutting van EC2, terwijl voor de bredere AI-hardwareketen de structurele vraag naar accelerators voor training en hoogwaardige inferentie onverminderd belangrijk blijft.
