BERLIN / LONDON (IT BOLTWISE) – AMD kündigt für den 23. Juli seine Helios-Plattform mit der MI455X-GPU an und stellt dabei vor allem den Speicher in den Mittelpunkt: 432 GB HBM4 bei 19,6 TB/s Bandbreite. Während NVIDIA mit der Vera-Rubin-Plattform weiter auf Rechenleistung setzt, verschiebt sich der Wettbewerb zunehmend in Richtung Speicherkapazität und Datenbewegung. Parallel treiben Hyperscaler wie Google und AWS eigene KI-Chips in die Serienreife, was den Marktanteil von NVIDIA weiter unter Druck setzt. Der Artikel ordnet Technik, Marktmechanik und Infrastrukturfolgen bis 2027/2028 ein.
AMD bereitet mit der Helios-Plattform einen harten Angriff auf den KI-Beschleuniger-Markt vor – und das mit einem Fokus, der im Rechenzentrum oft unterschätzt wird: nicht nur FLOPS, sondern der Durchsatz der Daten zum Speicher. Auf der „Advancing AI 2026“ soll am 23. Juli die MI455X-GPU mit 432 GB HBM4 vorgestellt werden, inklusive 19,6 Terabyte pro Sekunde Bandbreite. Fertigen will AMD die Komponenten im 2-Nanometer-Verfahren bei TSMC; erste Muster sind noch für 2026 angekündigt, die Massenproduktion startet jedoch erst im zweiten Quartal 2027. Damit greift AMD Timing und Lieferfähigkeit – zwei Faktoren, die in KI-Pipelines unmittelbar über Time-to-Value entscheiden.
Technisch ist die Ansage klar: HBM4 ist das Engpass-Bauteil, wenn Modelle größer werden und Trainings- oder Fine-Tuning-Workloads mehr Daten parallel umsetzen müssen. 432 GB pro GPU zielen darauf ab, größere Batch-Arbeit, breitere Kontextfenster und effizienteres Streaming zu ermöglichen, ohne dass zu häufig auf langsameres System-RAM oder externe Speicher ausgelagert wird. Im direkten Vergleich setzt NVIDIA mit der Vera-Rubin-Plattform weiterhin auf ein sehr hohes Leistungsprofil, aber AMD bleibt bei der Speichermarge vorn: 288 GB HBM4 pro Grafikprozessor bei NVL72. Für Betreiber bedeutet das: Speicherpolitik wird zur Architekturfrage, etwa bei Partitionierung, Aktivierungs-Checkpoints und dem Design von Inferenz- oder Trainings-Engines.
Der Markt reagiert bereits auf die Verschiebung. Berichten zufolge ist der Marktanteil von NVIDIA im KI-Beschleunigerumfeld von 87 auf 75 Prozent gefallen – ein Signal, dass Hyperscaler ihre Beschaffung breiter aufstellen und Eigenentwicklungen schneller zur Serienfähigkeit bringen. Google und AWS werden in dieser Erzählung zu Schlüsselakteuren: Googles neueste TPU und AWS Trainium 3 sollen noch 2026 in Serie gehen. Branchenexperten bringen dabei oft ein ähnliches Argument: Je mehr Workloads intern orchestriert werden, desto weniger „lock-in“ bleibt bei einem einzigen Anbieter. Damit verändert sich die Einkaufslogik der Rechenzentren von reiner Chip-Megasuite hin zu einem Portfolio aus Hardware, Interconnect und Software-Stack.
Für die Dimensionierung ist der Sprung in der Infrastruktur entscheidend. Ein Bericht des Halbleiterverbands SIA beschreibt, dass ein einzelnes KI-Server-Rack heute mehr als 4.500 vernetzte Chips enthalten kann – und damit über 95 Prozent des Rack-Werts auf Chips entfallen. Das macht verständlich, warum die Investitionswelle so groß ausfällt: Die Ausgaben für globale Rechenzentren könnten bis 2028 bis zu vier Billionen Dollar erreichen, wobei bis zu 2,8 Billionen auf Halbleiter entfallen. Diese Relationen erklären auch, warum Speicher- und Netzwerktechnik plötzlich strategischer wirken als früher: Bei so hoher Chipdichte entscheidet jedes Prozent Bandbreite und jedes Watt Effizienz darüber, wie viele „nutzbare“ Trainingsstunden am Ende des Quartals durchgehen.
Damit einhergehend verschiebt sich die Lieferkette auch in Richtung Fertigungsausrüstung. Laut Branchenverband SEMI sollen die Ausgaben für 300-Millimeter-Fab-Ausrüstung im Speichersektor 2026 auf 52 Milliarden Dollar steigen – ein Plus von 29 Prozent. Besonders DRAM-Anlagen sollen 37 Milliarden Dollar ausmachen, angetrieben durch den Bedarf an Hochleistungsspeicher für KI-Trainings. Auch die Peripherie profitiert: Flüssigkeitskühlung wird in vielen großen Clustern nicht mehr als „Nice-to-have“, sondern als Kapazitätshebel behandelt. Der US-Zulieferer NN Inc. berichtet von neuen Aufträgen für flüssigkeitsgekühlte Komponenten für NVIDIA-Racks; das Werk im chinesischen Wuxi sei bereits ausgelastet, und zusätzliche Maschinenzentren sollen die Produktion der Kühlkomponenten verdreifachen. In Summe wird die Rechenzentrumsplanung dadurch stärker zu einem Engineering-Projekt über die gesamte Anlage – von Chip-Stack bis Kühlkreislauf.
Gleichzeitig steigt der Druck auf die Software- und Sicherheitsarchitektur. Wenn Hyperscaler ihre Chips selbst entwerfen, wachsen die Unterschiede in Treibern, Firmware und Interconnect-Protokollen – und damit die Angriffsfläche für fehlerhafte Konfigurationen, nicht konsistente Update-Zyklen oder unklare Vertrauensgrenzen zwischen Plattformen. Unternehmen, die KI-Workloads betreiben, sollten daher stärker auf Nachvollziehbarkeit setzen: Wer kontrolliert Modellgewichte, welche Daten laufen wo durch, und wie wird Zugriff auf Logs und Training-Metadaten geschützt? Gerade bei Inferenz-Setups, in denen externe APIs oder unternehmensinterne Datenpipelines gekoppelt sind, wird Datenschutz zur Betriebsanforderung. Zudem ist regulatorisch häufig nicht „nur das Modell“, sondern die gesamte Datenverarbeitungskette relevant – von der Netzwerkebene bis zum Speichersubsystem.
Historisch ist der Wettbewerb kein reines Chipduell. In früheren Wellen dominierte oft die Rechenleistung, bis sich zeigte, dass Speicherbandbreite und Datentransport in vielen Workloads zum echten Limit werden. Genau hier setzt AMDs Helios-Strategie an: Speicherkapazität als Wettbewerbshebel, der die Effizienz bei großen Modellen verbessert. NVIDIA kontert parallel mit Plattformansätzen wie NVL72 und einem starken Fokus auf Trainingsleistung (FP8) und Inferenz (FP4). Doch die Zeiten exklusiver Partnerschaften wirken im Markt weniger dauerhaft: Offene Schnittstellen, wachsende Ökosysteme und eigene Beschaffungsstrategien drücken Exklusivität zurück. So berichtet der Artikel auch von mehreren Industrie- und Kundenszenarien, in denen Plattformen durch alternative Lieferketten ergänzt werden.
In der Praxis heißt das für Betreiber zweierlei: Erstens wird die Heterogenität wahrscheinlicher – also Mischbetrieb aus GPU- und spezialisierten Beschleuniger-Instanzen. Zweitens steigt der Wert von Automatisierung in der KI-Infrastrukturplanung, etwa bei Scheduling, Quantisierungspolicies und Kapazitätsprognosen. Beispielhaft wird beschrieben, dass Anthropic seine Claude-Modelle auf Microsoft Azure mit NVIDIA-GB300-ähnlichen Ultra-GPUs verfügbar gemacht habe und dabei auf Quantum-X800 InfiniBand-Netzwerktechnik setzt, um autonome KI-Funktionen zu stützen. Gleichzeitig kündigt der Markt an, dass OpenAI mit einem eigenen Inferenz-Chip („Jalapeño“) gemeinsam mit Broadcom auf eine Alternative für bestimmte Inferenzpfade setzt. Analysten erwarten daher, dass sich Trainings- und Inferenzlasten stärker trennen werden: Trainings clustern auf maximale Effizienz, Inferenz geht eher dahin, wo Latenz, Kosten und Speichereffizienz am besten zusammenpassen.
Für den Ausblick bis 2028 ergibt sich ein klares Bild: Die Investitionswelle in Rechenzentren schafft Nachfrage über mehrere Ebenen – Chips, Speicher, Kühlung, Fertigungs-Equipment und Netzwerke. Für Entwickler und Unternehmen bedeutet das außerdem mehr Optionen, aber auch mehr Anforderungen an Portabilität. Toolchains müssen heterogene Beschleuniger besser abdecken, und Sicherheitskonzepte sollten sich nicht auf „ein Zielsystem“ beschränken. Wenn AMD Helios im zweiten Quartal 2027 in die Massenproduktion bringt und NVIDIA parallel seine Vera-Rubin-Roadmap vorantreibt, wird der Unterschied zwischen den Plattformen zunehmend entlang von Speicher- und Datenpfaden sichtbar. Wer jetzt plant, sollte daher nicht nur „welcher Chip“, sondern auch „welcher Speicherpfad und welche Betriebsfähigkeit“ entscheiden – inklusive Wartungsfenstern, Update-Strategien und Compliance-Anforderungen für Trainings- und Inferenzdaten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "AMD Helios mit 432 GB HBM4: Speicher wird zum KI-Wettbewerbshebel gegen NVIDIA" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "AMD Helios mit 432 GB HBM4: Speicher wird zum KI-Wettbewerbshebel gegen NVIDIA" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »AMD Helios mit 432 GB HBM4: Speicher wird zum KI-Wettbewerbshebel gegen NVIDIA« bei Google Deutschland suchen, bei Bing oder Google News!