AWS gần hết công suất đặt trước cho các hợp đồng hạ tầng quy mô lớn đến năm 2027, theo phát biểu của CEO Amazon Andy Jassy được Reuters đưa tin ngày 23/10/2026 và InfoQ phân tích ngày 01/11/2026. Một phần công suất năm 2028 cũng đã được khách hàng cam kết. Tuy nhiên, điều này không có nghĩa toàn bộ dịch vụ AWS ngừng tiếp nhận nhu cầu mới. AWS vẫn chủ động giữ một phần năng lực cho EC2 On-Demand và Amazon Bedrock.
AWS gần hết công suất đặt trước: điều gì thực sự xảy ra?
Phát biểu về công suất đặt trước cần được đọc đúng phạm vi: các hợp đồng lớn và năng lực On-Demand không phải cùng một khái niệm.
Phân biệt ba loại công suất cloud
Công suất đã cam kết dài hạn phản ánh khả năng đáp ứng các khách hàng đặt trước quy mô lớn, thường liên quan tới các cụm máy tính phục vụ AI. On-Demand là khả năng yêu cầu tài nguyên khi cần, nhưng vẫn chịu giới hạn tồn kho theo vùng, Availability Zone và loại instance. Capacity Reservations giúp giữ chỗ một loại EC2 cụ thể; Capacity Blocks for ML dành cho các khoảng thời gian đặt trước trong tương lai, phù hợp hơn với các đợt huấn luyện. Không nên đánh đồng ba khái niệm này.
Vì sao nhu cầu AI tạo áp lực lên AWS?
Huấn luyện và phục vụ mô hình AI quy mô lớn đòi hỏi GPU hoặc accelerator, kết nối mạng tốc độ cao, nguồn điện, hệ thống làm mát và khả năng cấp phát nhiều máy đồng thời. Nút thắt có thể nằm ở tổ hợp các thành phần này thay vì chỉ số lượng máy chủ. Đây là phân tích kiến trúc, không phải kết luận nguyên nhân cụ thể cho từng vùng AWS.
Không chỉ GPU: ảnh hưởng tới ứng dụng truyền thống
InfoQ ghi nhận phản hồi của một số kỹ sư về khó khăn cấp phát cả EC2 thông thường và tài nguyên phục vụ Kubernetes hoặc CI. Đây là trải nghiệm cá nhân được trích dẫn, không phải số liệu toàn thị trường. Tuy vậy, chúng nhắc doanh nghiệp rằng năng lực cấp phát cần được kiểm chứng tại đúng vùng, loại instance và thời điểm vận hành.
Tác động đến chi phí và kế hoạch tài chính
Khi tài nguyên phù hợp khó cấp phát, doanh nghiệp có thể phải cân nhắc loại máy thay thế, vùng triển khai khác, hợp đồng giữ chỗ hoặc điều chỉnh thời điểm chạy tác vụ. Các lựa chọn này ảnh hưởng đến giá, độ trễ, chi phí truyền dữ liệu và độ phức tạp vận hành. Con số khoảng 220 tỷ USD được nhắc trong bản tin là kế hoạch chi tiêu vốn của Amazon trong năm 2026, không phải toàn bộ ngân sách dành riêng cho AI.
Năm rủi ro khi phụ thuộc vào một vùng cloud
Các rủi ro cần quản trị gồm: không cấp phát được instance đúng cấu hình; autoscaling thất bại trong giờ cao điểm; triển khai disaster recovery nhưng vùng dự phòng không đủ năng lực; lệ thuộc vào một họ GPU; và phát sinh chi phí khi phải chuyển workload sang nơi khác. Mức độ thực tế phụ thuộc vào cấu hình, hợp đồng và vùng cụ thể.
Chiến lược thiết kế hạ tầng linh hoạt
Nên đánh giá nhiều loại instance tương đương thay vì cố định một mã máy, thiết kế ứng dụng có thể scale ngang, kiểm thử giới hạn quota và capacity độc lập, và có runbook cho tình huống cấp phát thất bại. Với tác vụ AI không yêu cầu thời gian thực, cân nhắc hàng đợi và cơ chế retry có kiểm soát. Multi-region hoặc multi-cloud chỉ có ích khi đã kiểm thử khả năng di chuyển dữ liệu, tương thích dịch vụ và ngân sách vận hành.
Khi nào nên dùng Capacity Reservations?
Nhu cầu nền tảng ổn định, lịch huấn luyện AI xác định hoặc yêu cầu phục hồi nghiêm ngặt có thể phù hợp với giữ chỗ. Nhưng đặt trước quá mức tạo ra tài nguyên nhàn rỗi và đi ngược lợi ích co giãn của cloud. Doanh nghiệp cần so sánh chi phí dự phòng với thiệt hại khi thiếu năng lực, theo từng workload và cam kết dịch vụ.
Bài toán AI: tối ưu trước khi mở rộng
Trước khi đặt thêm GPU, đo hiệu suất thực tế của pipeline: tỷ lệ sử dụng accelerator, token mỗi giây, độ trễ p95, chi phí mỗi yêu cầu, mức lãng phí bộ nhớ và tần suất batch. Các hướng tối ưu như batching, caching, lượng tử hóa hoặc sử dụng mô hình nhỏ hơn cần được kiểm chứng về chất lượng đầu ra, thay vì mặc định mọi ứng dụng phải dùng cụm GPU lớn.
Checklist đánh giá năng lực AWS trong 30 ngày
Tuần 1: thống kê workload theo vùng, AZ, loại máy và mức độ quan trọng. Tuần 2: kiểm tra quota, khả năng cấp phát thực tế, cơ chế retry và cảnh báo. Tuần 3: thử kịch bản thay thế instance hoặc chuyển vùng với dữ liệu thử nghiệm. Tuần 4: lập bảng so sánh chi phí giữ chỗ, On-Demand và phương án dự phòng; chốt ngưỡng cảnh báo và người chịu trách nhiệm.
Góc nhìn ASolution: từ tin tức hạ tầng đến quyết định kiến trúc
Doanh nghiệp không cần vội rời AWS chỉ vì tiêu đề về tình trạng hết công suất. Điều quan trọng là xác định dịch vụ nào có thể bị ảnh hưởng, dự báo nhu cầu tăng trưởng, thử nghiệm khả năng cấp phát và lượng hóa chi phí gián đoạn. Một hệ thống cloud tốt phải vừa tối ưu hiệu quả tài nguyên vừa có phương án khi tài nguyên mong muốn không sẵn có.
Kết luận
Thông tin AWS gần hết công suất đặt trước là tín hiệu về sức ép đầu tư hạ tầng AI và nhu cầu lập kế hoạch capacity sớm. Tuy nhiên, quyết định kỹ thuật cần dựa trên phép đo workload, khả năng cấp phát thực tế và chi phí vòng đời, không dựa vào tiêu đề tin tức.