Amazon betreibt eine umfassende Neuplanung seines KI-Rechenzentrums-Campus im ländlichen Indiana. Im Rahmen der internen AGI-Pivot-Initiative wird die bestehende Infrastruktur zu einem hochperformanten AGI SuperCluster zusammengefasst. Ziel ist die konsolidierte Bereitstellung von mehr als 6.000 Trainium-basierten Servern für das Training des nächsten Frontier-KI-Modells des Unternehmens. Die technische Umstellung sieht eine tiefgreifende Anpassung der Netzwerk-, Speicher- und Glasfaserinfrastruktur vor, um mehrere einzelne Rechenhallen funktional als eine Einheit zu betreiben. Bestehende Gebäude werden als Annex-Anlagen angebunden, um Rechen- und Kühlkapazitäten sowie Kernkomponenten zu teilen. Parallel ist ein Hardware-Upgrade von Trainium 2 auf die neuere Trainium-3-Generation vorgesehen. Die Arbeiten überschneiden sich räumlich mit Project Rainier, der Trainium-basierten Supercomputer-Infrastruktur von AWS, die primär für Anthropic betrieben wird, ohne jedoch deren laufenden Betrieb zu beeinträchtigen. Strategisch dient das Vorhaben der Effizienzsteigerung und Renditemaximierung der umfangreichen KI-Investitionen. CEO Andy Jassy betont, dass datenzentrierte Infrastrukturen langfristige Erträge generieren sollen, während Server und Netzwerkkomponenten im laufenden Betrieb aktualisiert werden können. Die beschleunigten Bereitstellungspläne zielen darauf ab, die erforderliche Rechenleistung bereits vor Jahresende verfügbar zu machen, um die Modellentwicklung für die anstehende re:Invent-Konferenz im Dezember vorzubereiten. Trotz aktueller Stellenkürzungen in der internen AGI-Abteilung bleibt die Entwicklung eigenständiger Frontier-Modelle eine strategische Top-Priorität. Der Ausbau unterstreicht die anhaltende Investitionsdynamik des Cloudanbieters. Die Prognose für die Kapitalausgaben im Jahr 2026 wurde auf 220 Milliarden US-Dollar hochgesetzt. Gleichzeitig erwartet das Unternehmen für das eigene Chipdesign, einschließlich der Trainium- und Graviton-Prozessoren, jährliche Erlöse von über 25 Milliarden US-Dollar. Die geplante Erweiterung der Speicherkapazitäten soll zudem die Anforderungen des multimodalen KI-Trainings bedienen, das den Umgang mit hochauflösenden Bilddaten und häufige Modellcheckpoint-Speicherung erfordert. Durch die gebündelte Architektur sollen Engpässe bei Rechenkapazitäten abgemildert und die operative Effizienz für AWS-Kunden sowie interne Entwicklungsteams nachhaltig gesteigert werden.