Nvidia will jeden Chip in KI-Rechenzentren kontrollieren

Wichtigste Punkte

• Nvidias neues Vera-Rubin-Chipsystem verarbeitet angeblich zehnmal so viele KI-Aufgaben pro Watt wie das vorherige Grace-Blackwell-System.
• OpenAI betreibt bereits ein Vera-Rubin-Rack in seinen Einrichtungen, wie Nvidia auf einer technischen Präsentation im Juni 2025 bestätigte.
• Nvidia verkauft die Vera-CPU, das Verarbeitungsgehirn des neuen Systems, als eigenständiges Produkt und teilte chinesischen Kunden mit, dass die Lieferung bereits im August 2025 erfolgen könnte.
• AMD enthüllte seinen konkurrierenden Helios-KI-Chip-Rack am Sonntag derselben Woche, in der Nvidia seine Vera-Rubin-Präsentation abhielt, in einem klaren Rennen um mehrjährige Chip-Verträge mit Unternehmen wie Meta, Amazon und OpenAI.

Nvidia erzielte seine Gewinne durch den Verkauf von GPUs, spezialisierte Chips, die die rechenlastigen Aufgaben in der KI bewältigen. Jetzt möchte es auch die andere Art von Chip in KI-Rechenzentren verkaufen.

Auf einer Pressekonferenz in der Santa-Clara-Zentrale letzte Woche, erstmals im Detail von Wired AI berichtet, erläuterten Nvidia-Manager die Vorteile von Vera Rubin, seinem Chip-System der nächsten Generation. Die Hauptaussage: Vera Rubin verarbeitet zehnmal so viele Token pro Watt wie sein Vorgänger. Ein Token ist eine kleine Daten- oder Texteinheit, und Token pro Watt ist im Grunde ein Maß dafür, wie viel KI-Arbeit ein System für einen bestimmten Stromverbrauch leisten kann.

Das ist für Unternehmen wichtig, die KI in großem Maßstab betreiben. Strom gehört zu den größten Kosten in einem Rechenzentrum, und Effizienzgewinne führen direkt zu niedrigeren Rechnungen.

Warum verkauft Nvidia jetzt CPUs?

Weil KI immer komplexer wird und das einen anderen Chip-Typ erfordert. GPUs rechnen schnell. CPUs, die universellen Prozessoren, die seit Jahrzehnten Computer steuern, sind besser darin, Aufgaben zu koordinieren, Datenflüsse zu verwalten und Software-Logik auszuführen. Während Unternehmen KI-Agenten aufbauen, Software, die eigenständig mehrstufige Aufgaben ausführen kann, wie ein Meeting buchen oder eine Tabelle analysieren, ohne dass ein Mensch jeden Schritt anklickt, benötigen sie mehr CPU-Leistung neben ihren GPUs.

Vera Rubin kombiniert eine CPU mit jeweils zwei GPUs. Ein vollständiges Vera-Rubin-NVL72-Rack, ein Stapel von Chips in einer einzelnen flüssiggekühlten Einheit, enthält 36 Vera-CPUs und 72 Rubin-GPUs.

Nvidia behauptet auch, dass das neue System viel einfacher zu installieren ist als frühere Produkte. Es beschreibt Vera Rubin als „kabelfreie Rechenleistung" und sagt, dass die Einrichtungszeit von ein paar Stunden pro Rack auf wenige Minuten reduziert werden kann. Das gesamte System läuft mit Flüssigkühlung, die weniger Energie verbraucht als das Blasen von Luft über heiße Chips.

Das Unternehmen bewertet die Vera-CPU tatsächlich als schneller als konkurrierende Chips von AMD und Intel. Erwähnenswert: Die Vergleichstests verwendeten anscheinend etwas ältere Generationen dieser Konkurrenzprodukte, was die Art von Kleingedrucktem ist, das bei Bewertungen immer verdient Aufmerksamkeit verdient, wenn ein Unternehmen seine Hausaufgaben selbst benotet.

Frühe Kunden, die Nvidia nannte, sind Microsoft, OpenAI und Oracle. Vera Rubin wird voraussichtlich in der zweiten Hälfte 2025 in großem Maßstab ausgeliefert.

Für alle, deren Arbeit KI-Tools berührt, ist die praktische Auswirkung simpler als die Chip-Spezifikationen suggerieren. Schnellere, effizientere Hardware bedeutet, dass die KI-Services, die Sie bereits nutzen, von Schreibassistenten bis zu Kundenservice-Bots, günstiger und schneller zu betreiben sind. Das führt tendenziell dazu, dass sie häufiger eingesetzt werden, nicht weniger. Ob das eine Bedrohung oder ein Geschenk ist, hängt fast vollständig davon ab, wie Sie sie nutzen.

Fazit: Wenn Ihre Organisation KI-Tools dieses Jahr evaluiert, fragen Sie Anbieter, auf welcher Hardware-Generation ihr Produkt läuft. Effizienzverbesserungen auf Chip-Ebene zeigen sich oft als niedrigere Kosten pro Nutzung innerhalb von 12 bis 18 Monaten.