Nvidia erweitert den Fokus: nicht nur schnellere GPUs, sondern komplette Systeme für Gigawatt‑Rechenzentren.
In Kürze
- Vera‑Rubin kombiniert GPU, Vera‑CPU und spezialisierte Racks
- Optimierte Datensteuerung kann Abläufe bis zu 3x beschleunigen
- Wettbewerb verlagert sich von GPU‑Leistung zur System‑Orchestrierung
Nvidia: Von GPU‑Dominanz zur Systemstrategie
Die alte Story war einfach: Nvidia dominierte die KI‑Welt, weil seine GPUs die leistungsstärksten Chips für schwere Rechenaufgaben lieferten. Als aber große Cloud‑Player wie Amazon und Google eigene Chips entwickelten, begannen Investoren zu fragen, wie lange dieser Vorsprung noch hält. Das spiegelt sich auch im Kurs: Nach einem rund zehnfachen Anstieg von Anfang 2023 bis Mitte 2025 dämpfte sich das Wachstum der Aktie im vergangenen Jahr deutlich.
Neuere Quartalszahlen und Systemansatz
Die neueren Quartalszahlen zeichnen jedoch ein anderes Bild. Nvidia baut demnach nicht nur an schnelleren GPUs, sondern an kompletteren Systemen zur Steuerung großer KI‑Installationen.
Gerade bei Setups in der Gigawatt‑Klasse — also Rechenzentren, die extrem viel Strom und Datendurchsatz brauchen — wird die Organisation der gesamten Infrastruktur zum kritischen Faktor. Hier setzt Nvidia offenbar an und hat beträchtliche Kapazitäten aufgebaut, die über die reine GPU hinausgehen.
Vera‑Rubin‑Architektur
Konkret rollt Nvidia die sogenannte Vera‑Rubin‑Architektur aus. Die Rubin‑GPU wird nicht einzeln verkauft, sondern im Paket mit spezialisierten Komponenten:
- Vera‑CPU für Steuerung und Datenfluss
- einem Groq 3 LPX Inferenzbeschleuniger
- angepassten Rack‑Designs für Speicher und Netzwerk
Ziel dieser Kombination ist, Engpässe außerhalb der GPU zu vermeiden — also dafür zu sorgen, dass Daten pünktlich und ohne Verzögerung bei den Rechenkernen ankommen.
Vera‑CPU und Optimierungen
Die Vera‑CPU übernimmt dabei Aufgaben wie die Steuerung des Datenverkehrs und eine effizientere Nutzung schneller Flash‑Speicher (SSDs). Nvidia gibt an, dass solche Optimierungen Abläufe um das bis zu Dreifache beschleunigen können.
Das heißt: Es geht weniger darum, mehr Rechenkerne reinzustecken, sondern darum, die Pipeline schlanker und schneller zu machen.
Andere Ansätze und Wettbewerb
Auch andere Player verfolgen ähnliche Prinzipien. Bei OpenAI zum Beispiel steht der Jalapeño‑Chip für ein Design, das Datenbewegung minimiert, indem Arbeitslasten möglichst innerhalb eines zusammenhängenden Systems bleiben. Beide Ansätze setzen auf Effizienz durch kluge Steuerung des Datenflusses statt allein auf höhere Rohleistung.
Das verändert den Wettbewerb: Er verlagert sich von der Frage „Welche GPU ist die schnellste?“ hin zu „Wie gut orchestrierst du das ganze System?“ Nvidia tritt weiterhin gegen klassische Chiphersteller und Hyperscaler an, wirkt nach aktuellem Stand aber auf dieser systemweiten Ebene gut aufgestellt.
Quellen
- Quelle: Nvidia
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
