SAN FRANCISCO / LONDON (IT BOLTWISE) – NVIDIA-Gründer Jensen Huang koppelt sein neues CPU-Design Vera an eine potenziell gewaltige Marktchance: Er spricht von einem bisher unadressierten 200-Milliarden-Dollar-TAM für agentische KI. Im Kern argumentiert NVIDIA, dass Agenten überwiegend auf CPUs laufen, während GPUs eher das „Denken“ übernehmen. Gleichzeitig wächst der Druck, weil große Cloud-Anbieter wie AWS eigene KI-Chips vorantreiben. Der Artikel ordnet Vera technisch ein, bewertet den Wettbewerbsrahmen und leitet ab, was das für Unternehmen, Sicherheit und Skalierung bedeutet.
Jensen Huang hat in einer Earnings-Call-Phase erneut den Ton gesetzt: Mit der Vera-CPU verortet NVIDIA nach eigenen Angaben einen „brand new“ Markt von bis zu 200 Milliarden US-Dollar – und knüpft die Chance direkt an agentische Künstliche Intelligenz sowie an robotische physische KI. Solche TAM-Statements gelten an der Börse oft als Mutmaßung über die Zukunft. Trotzdem wirkt die Argumentation diesmal wie ein Versuch, eine bereits laufende Produktstrategie zu quantifizieren, zumal NVIDIA weiter Rekordzahlen meldet. Entscheidend ist jedoch, ob sich die Rechenlast von KI-Agenten tatsächlich in Richtung CPU-Bottlenecks verschiebt.
Technisch basiert die Kernidee auf einer Rollenverteilung innerhalb agentischer Systeme. NVIDIA stellt die Trennung zwischen dem „Denken“ eines Modells, das stark von GPUs profitiert, und den ausführenden Agentenoperationen heraus, die in erster Linie CPUs benötigen. In klassischen Cloud-Setups werden CPU-Plattformen oft über „Cores“ und parallele App-Ausführung optimiert. Vera zielt laut NVIDIA dagegen auf eine besonders schnelle Token-Verarbeitung ab, um Agenten-Workflows mit geringer Latenz zu bedienen. Damit wird die CPU weniger zum generischen Ausführungsanker und stärker zu einem hochspezialisierten Inferenz-/Koordinations-Element.
Die Positionierung ist auch deshalb so relevant, weil der Markt ohnehin in Bewegung ist. Große Hyperscaler wie AWS zeigen seit geraumer Zeit, dass sie eigene KI-Accelerator-Strategien entwickeln wollen – sowohl für GPUs als auch für CPUs. Amazon hat in der Vergangenheit öffentlich betont, dass AWS in der Lage sei, KI-Chips mindestens gleichwertig bereitzustellen, was den „Preferred Vendor“-Effekt bei Rechenzentren schwächt. Hinzu kommen die traditionellen CPU-Anbieter Intel und AMD, die zwar historisch dominieren, aber bislang nicht mit derselben „Agent-CPU“-Story im Vordergrund standen. Für NVIDIA bedeutet das: Vera muss nicht nur schneller sein, sondern auch als Standardarchitektur durch Adoption in die Lieferketten rutschen.
In der Wettbewerbslogik geht es weniger um „Wer baut den besten Chip?“ als um „Wer liefert das passende Gesamtsystem“ aus Hardware, Software-Stack und Integrationsaufwand. NVIDIA versucht, genau hier Vertrauen aufzubauen: Laut dem Management wurden Vera-CPUs bereits in erheblichem Umfang als Standalone-Komponenten verkauft. Der strategische Hebel ist dabei, dass Vera nicht als CPU-Ersatz im klassischen Sinn verkauft wird, sondern als Baustein, der mit einer Rubin-GPU im Paketgedanken zusammenläuft. Das ist ein Unterschied zur typischen CPU-Commodity-Wahrnehmung und adressiert den Bedarf von Rechenzentren, Agenten zuverlässig zu orchestrieren.
Branchenanalysten beschreiben das Chancenprofil von Vera als zweigeteilt: Einerseits kann eine Verschiebung hin zu agentischen Workloads die CPU-Nachfrage deutlich verstärken, weil Agenten in vielen Fällen dauerhaft Aufgaben ausführen und dabei „Werkzeuge“ ähnlich wie PCs bedienen. Andererseits bleibt die Frage, wie schnell Software-Ökosysteme diese Lastverteilung wirklich abbilden – also ob Entwickleragenten, Scheduler und Middleware standardmäßig auf CPU-getriebene Ausführung optimieren. In einem Gespräch mit Fachmedien wird häufig betont, dass Hardware-Leadership nur dann nachhaltig wird, wenn die Toolchains und Referenzarchitekturen früh „production-ready“ werden. Genau an dieser Stelle wird sich zeigen, ob NVIDIA nur eine PowerPoint-Story verkauft oder ob sich die Architektur in Deployments übersetzt.
Über den reinen Hardware-Pfad hinaus berührt das Thema auch den technologischen Unterbau. Agentic AI verlangt häufig eine engere Kopplung von Modellinferenz, Kontextverwaltung, Tool-Aufrufen, Scheduling und Sicherheitsprüfungen. Während GPUs die tokenbasierte Modellberechnung antreiben, übernehmen CPUs typischerweise die Steuer- und Ausführungslogik: Sie verwalten Zustände, starten Werkzeuge, führen Retries aus und orchestrieren Interaktionen mit externen Systemen. Wenn Vera dafür „purpose-built“ ist, verschiebt sich die Performancebetrachtung von Durchsatz pro GPU zu End-to-End-Zeit für Agentenzyklen. Das ist ein Vergleichsmaßstab, den auch Wettbewerber adressieren werden – sei es über eigene Beschleuniger oder über neue Scheduler-Mechanismen.
Auch regulatorisch und sicherheitstechnisch lohnt der Blick: Agenten interagieren mit Unternehmenssystemen, handeln Daten aus und können über APIs Handlungen auslösen. Damit steigt die Relevanz von Nachvollziehbarkeit (Auditability), Segmentierung (Isolation) und plattformseitiger Schutzmechanismen. Rechenzentrumsbetreiber werden bei der Entscheidung für neue CPU-Generationen nicht nur auf Benchmarks achten, sondern auf „Secure-by-Design“-Eigenschaften wie Hardware-gestützte Vertrauensanker, sichere Boot-Ketten und Telemetrie zur Detektion ungewöhnlicher Agentenaktivität. Für die EU und internationale Märkte kommt hinzu, dass Datenschutz und Informationssicherheit in Beschaffungsvorgänge hineinwirken. Eine CPU, die häufiger in agentischen Pfaden eingesetzt wird, erhöht also die Angriffsfläche – und damit den Bedarf an Hardening.
Aus Marktsicht deutet der Vera-Ansatz auf eine weitere Zäsur in der Architektur vieler Cloud- und Enterprise-Deployments hin: Rechenzentren könnten Agenten-Workloads stärker als eigenständige Klasse behandeln und nicht nur als „größere Inferenzjobs“ betrachten. Wenn sich die Erwartung „mehr CPUs für mehr Agenten“ bestätigt, wächst die Wahrscheinlichkeit, dass Anbieter ihre Infrastrukturpakete neu schneiden – von Rack-Layouts über Kapazitätsplanung bis hin zu Abrechnungsmodellen. Für Entwickler entsteht daraus eine Chance, aber auch eine Pflicht: Toolchains, Laufzeitumgebungen und Observability müssen Agentenzyklen messen und optimieren, sonst verpufft die Hardwarevorteilwirkung. NVIDIA positioniert sich dabei als zentrale Schaltstelle; ob der 200-Milliarden-Dollar-Rahmen tatsächlich eintritt, hängt nun vor allem an Adoption, Softwareintegration und wiederholbaren, sicheren Produktions-Deployments.
💳 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.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【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 "NVIDIA setzt mit Vera auf Agenten-KI und nennt ein neues 200-Milliarden-Dollar-TAM" 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 "NVIDIA setzt mit Vera auf Agenten-KI und nennt ein neues 200-Milliarden-Dollar-TAM" 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: »NVIDIA setzt mit Vera auf Agenten-KI und nennt ein neues 200-Milliarden-Dollar-TAM« bei Google Deutschland suchen, bei Bing oder Google News!